اکسپرس 24
کتاب بهینه‌سازی و تنظیم مدل‌های یادگیری ماشین در AWS برای مهندسان همکار

کتاب بهینه‌سازی و تنظیم مدل‌های یادگیری ماشین در AWS برای مهندسان همکار

تگ‌ها: AWS Cloud AWS ML Engineer بهینه‌سازی مدل ML پلتفرم AWS تنظیم مدل ML توسعه هوش مصنوعی مدل‌های یادگیری ماشین مهندسی مدل AWS هوش مصنوعی AWS یادگیری ماشین AWS

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی و تنظیم مدل‌های یادگیری ماشین در AWS برای مهندسان همکار

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ سیستم‌های هوش مصنوعی

موضوع میانی: مهندسی مدل‌های یادگیری ماشین در ابر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی مدل‌های یادگیری ماشین
  • 2. مبانی یادگیری ماشین در AWS
  • 3. آماده‌سازی داده‌ها برای مدل‌های یادگیری ماشین
  • 4. انتخاب ویژگی و مهندسی آن
  • 5. آموزش مدل‌های یادگیری ماشین
  • 6. ارزیابی عملکرد مدل
  • 7. تنظیم ابرپارامترها
  • 8. روش‌های تنظیم ابرپارامتر
  • 9. جستجوی شبکه‌ای (Grid Search)
  • 10. جستجوی تصادفی (Random Search)
  • 11. بهینه‌سازی بیزی (Bayesian Optimization)
  • 12. تنظیم پارامترها در AWS SageMaker
  • 13. استفاده از Hyperparameter Tuning Jobs
  • 14. مدیریت آزمایش‌ها و نتایج
  • 15. ردیابی هایپرپارامترها و متریک‌ها
  • 16. استفاده از Amazon SageMaker Experiments
  • 17. مقایسه مدل‌های مختلف
  • 18. انتخاب بهترین مدل بر اساس متریک‌ها
  • 19. تکنیک‌های تنظیم مدل
  • 20. کاهش بیش‌برازش (Overfitting)
  • 21. تنظیم پارامترهای مدل
  • 22. تکنیک‌های منظم‌سازی (Regularization)
  • 23. L1 و L2 Regularization
  • 24. Dropout
  • 25. Early Stopping
  • 26. تنظیم مدل‌های پیچیده
  • 27. مدل‌های یادگیری عمیق
  • 28. شبکه‌های عصبی کانولوشنی (CNN)
  • 29. شبکه‌های عصبی بازگشتی (RNN)
  • 30. ترنسفورمرها (Transformers)
  • 31. تنظیم مدل‌های CNN
  • 32. تنظیم مدل‌های RNN
  • 33. تنظیم مدل‌های ترنسفورمر
  • 34. استفاده از قابلیت‌های SageMaker برای تنظیم پیشرفته
  • 35. Automated Model Tuning
  • 36. SageMaker Automatic Model Tuning
  • 37. بهینه‌سازی مدل برای استقرار
  • 38. فشرده‌سازی مدل
  • 39. کوانتیزاسیون مدل (Model Quantization)
  • 40. حذف پارامترهای کم‌اهمیت
  • 41. تکنیک‌های پرونی (Pruning)
  • 42. تنظیم مدل برای کاهش تاخیر (Latency)
  • 43. تنظیم مدل برای افزایش توان عملیاتی (Throughput)
  • 44. بهینه‌سازی مدل برای سخت‌افزارهای خاص
  • 45. استفاده از AWS Inferentia
  • 46. استفاده از AWS Trainium
  • 47. تنظیم مدل برای محیط‌های توزیع شده
  • 48. آموزش توزیع شده با SageMaker
  • 49. تنظیم مدل برای داده‌های نامتوازن
  • 50. مدیریت داده‌های نامتوازن
  • 51. روش‌های نمونه‌برداری مجدد (Resampling)
  • 52. SMOTE
  • 53. تنظیم مدل با استفاده از وزن‌دهی به کلاس‌ها
  • 54. ارزیابی مدل با متریک‌های مناسب برای داده‌های نامتوازن
  • 55. تنظیم مدل برای مسائل طبقه‌بندی نامتوازن
  • 56. تنظیم مدل برای مسائل رگرسیون نامتوازن
  • 57. بهبود قابلیت تفسیرپذیری مدل
  • 58. تکنیک‌های تفسیرپذیری مدل
  • 59. SHAP (SHapley Additive exPlanations)
  • 60. LIME (Local Interpretable Model-agnostic Explanations)
  • 61. تجسم نتایج تفسیرپذیری
  • 62. تنظیم مدل برای افزایش قابلیت تفسیرپذیری
  • 63. مدیریت چرخه عمر مدل (MLOps)
  • 64. مراحل MLOps
  • 65. استقرار مدل
  • 66. مانیتورینگ مدل
  • 67. بازآموزی مدل
  • 68. اتوماسیون فرآیندهای MLOps
  • 69. استفاده از SageMaker Pipelines
  • 70. یکپارچه‌سازی با AWS CodePipeline
  • 71. یکپارچه‌سازی با AWS CodeCommit
  • 72. یکپارچه‌سازی با AWS CodeBuild
  • 73. یکپارچه‌سازی با AWS CodeDeploy
  • 74. تنظیم مدل با استفاده از رویکردهای MLOps
  • 75. تست و اعتبارسنجی مدل‌ها
  • 76. تست واحد (Unit Testing)
  • 77. تست یکپارچه‌سازی (Integration Testing)
  • 78. تست پذیرش (Acceptance Testing)
  • 79. تست عملکرد (Performance Testing)
  • 80. تست امنیت (Security Testing)
  • 81. تنظیم مدل با در نظر گرفتن الزامات تست
  • 82. مانیتورینگ عملکرد مدل در زمان استقرار
  • 83. تشخیص افت عملکرد مدل (Model Drift)
  • 84. تشخیص انحراف داده (Data Drift)
  • 85. تشخیص انحراف مفهوم (Concept Drift)
  • 86. تنظیم مدل بر اساس نتایج مانیتورینگ
  • 87. استفاده از SageMaker Model Monitor
  • 88. تنظیم خودکار مدل بر اساس انحراف
  • 89. مدیریت نسخه‌های مدل
  • 90. ذخیره‌سازی و بازیابی مدل‌ها
  • 91. استفاده از SageMaker Model Registry
  • 92. مدیریت خط مشی‌های نگهداری مدل
  • 93. تنظیم مدل با رویکرد مدیریت نسخه
  • 94. بهینه‌سازی هزینه‌ها در فرآیند تنظیم مدل
  • 95. انتخاب نمونه‌های محاسباتی مناسب
  • 96. استفاده از Spot Instances برای تنظیم
  • 97. مدیریت منابع SageMaker
  • 98. پایان‌نامه‌های پیشرفته در تنظیم مدل
  • 99. یادگیری تقویتی (Reinforcement Learning)
  • 100. تنظیم مدل‌های یادگیری تقویتی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.