اکسپرس 24
کتاب تحلیل داده‌های کلان در محیط ابری Azure ML

کتاب تحلیل داده‌های کلان در محیط ابری Azure ML

تگ‌ها: Azure Azure ML Big Data پردازش داده تحلیل داده داده‌های حجیم رایانش ابری کلان داده هوش مصنوعی یادگیری ماشین

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 تحلیل داده‌های کلان در محیط ابری Azure ML

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش و تحلیل داده‌های حجیم با استفاده از ابزارهای ابری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل داده‌های کلان
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت‌شده
  • 5. یادگیری نظارت‌نشده
  • 6. یادگیری تقویتی
  • 7. مقدمه‌ای بر Azure Machine Learning
  • 8. معماری Azure Machine Learning
  • 9. ایجاد فضای کاری در Azure ML
  • 10. مدیریت داده‌ها در Azure ML
  • 11. بارگذاری داده‌ها از منابع مختلف
  • 12. کار با Azure Blob Storage
  • 13. کار با Azure Data Lake Storage
  • 14. پیش‌پردازش داده‌ها
  • 15. پاک‌سازی داده‌ها
  • 16. مقیاس‌بندی داده‌ها
  • 17. انتخاب ویژگی
  • 18. مهندسی ویژگی
  • 19. مدل‌سازی با Azure ML
  • 20. استفاده از الگوریتم‌های یادگیری ماشین
  • 21. رگرسیون خطی
  • 22. رگرسیون لجستیک
  • 23. درخت تصمیم
  • 24. جنگل تصادفی
  • 25. ماشین بردار پشتیبان (SVM)
  • 26. شبکه‌های عصبی
  • 27. یادگیری عمیق
  • 28. آموزش مدل‌ها
  • 29. تنظیم هایپرپارامترها
  • 30. ارزیابی مدل
  • 31. معیارهای ارزیابی مدل‌های رگرسیون
  • 32. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 33. اعتبارسنجی متقابل
  • 34. استقرار مدل
  • 35. استقرار مدل به عنوان سرویس وب
  • 36. مصرف سرویس مدل
  • 37. نظارت بر مدل
  • 38. بازآموزی مدل
  • 39. کار با Azure Databricks
  • 40. مقدمه‌ای بر Spark
  • 41. استفاده از Spark در Azure Databricks
  • 42. تحلیل داده‌ها با Spark MLlib
  • 43. پردازش زبان طبیعی (NLP)
  • 44. مفاهیم پایه NLP
  • 45. تکنیک‌های NLP در Azure ML
  • 46. تحلیل احساسات
  • 47. دسته‌بندی متن
  • 48. استخراج اطلاعات
  • 49. بینایی ماشین
  • 50. مفاهیم پایه بینایی ماشین
  • 51. پردازش تصویر در Azure ML
  • 52. تشخیص اشیاء
  • 53. دسته‌بندی تصاویر
  • 54. تحلیل سری‌های زمانی
  • 55. مفاهیم پایه سری‌های زمانی
  • 56. مدل‌سازی سری‌های زمانی در Azure ML
  • 57. پیش‌بینی سری‌های زمانی
  • 58. کار با Azure Stream Analytics
  • 59. تحلیل داده‌های جریانی
  • 60. پردازش رویدادهای بلادرنگ
  • 61. حاکمیت داده‌ها در Azure ML
  • 62. امنیت داده‌ها
  • 63. مدیریت دسترسی
  • 64. انطباق با مقررات
  • 65. اخلاق در هوش مصنوعی
  • 66. مسئولیت‌پذیری در هوش مصنوعی
  • 67. شفافیت در هوش مصنوعی
  • 68. کاربردها در صنعت
  • 69. تحلیل داده در مالی
  • 70. تحلیل داده در بهداشت و درمان
  • 71. تحلیل داده در خرده‌فروشی
  • 72. تحلیل داده در تولید
  • 73. مقدمه‌ای بر یادگیری عمیق در Azure ML
  • 74. شبکه‌های عصبی کانولوشنال (CNN)
  • 75. شبکه‌های عصبی بازگشتی (RNN)
  • 76. کاربرد CNN در تشخیص تصویر
  • 77. کاربرد RNN در پردازش زبان طبیعی
  • 78. مقدمه‌ای بر AutoML در Azure ML
  • 79. استفاده از AutoML برای طبقه‌بندی
  • 80. استفاده از AutoML برای رگرسیون
  • 81. بهینه‌سازی مدل با AutoML
  • 82. تفسیرپذیری مدل‌ها
  • 83. تکنیک‌های تفسیرپذیری
  • 84. استفاده از SHAP در Azure ML
  • 85. استفاده از LIME در Azure ML
  • 86. مدیریت چرخه عمر مدل (MLOps)
  • 87. مبانی MLOps
  • 88. ابزارهای MLOps در Azure
  • 89. خودکارسازی فرآیندهای ML
  • 90. نظارت و نگهداری مدل‌ها
  • 91. بهبود مستمر مدل‌ها
  • 92. مقدمه‌ای بر Azure Cognitive Services
  • 93. خدمات پردازش زبان
  • 94. خدمات بینایی ماشین
  • 95. خدمات تشخیص گفتار
  • 96. خدمات ترجمه
  • 97. کاربرد Azure Cognitive Services در تحلیل داده
  • 98. جمع‌بندی و مسیرهای آینده

📚 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.