کتاب مهندسی مدل‌های یادگیری ماشین در AWS: آموزش و بهینه‌سازی

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 مهندسی مدل‌های یادگیری ماشین در AWS: آموزش و بهینه‌سازی

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ سیستم‌های هوشمند

موضوع میانی: یادگیری ماشین و هوش مصنوعی در عمل

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن در مهندسی نرم‌افزار
  • 2. آشنایی با مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مروری بر الگوریتم‌های یادگیری نظارت شده
  • 5. رگرسیون خطی و کاربردهای آن
  • 6. رگرسیون لجستیک برای مسائل طبقه‌بندی
  • 7. ماشین‌های بردار پشتیبان (SVM)
  • 8. درختان تصمیم و جنگل‌های تصادفی
  • 9. مقدمه‌ای بر الگوریتم‌های یادگیری بدون نظارت
  • 10. خوشه‌بندی K-Means
  • 11. تحلیل مولفه‌های اصلی (PCA) برای کاهش ابعاد
  • 12. شبکه‌های عصبی مصنوعی: اصول اولیه
  • 13. معماری شبکه عصبی پرسپترون چند لایه (MLP)
  • 14. تابع فعال‌سازی در شبکه‌های عصبی
  • 15. تابع هزینه و بهینه‌سازی در شبکه‌های عصبی
  • 16. گرادیان کاهشی و انواع آن
  • 17. مقدمه‌ای بر AWS و خدمات آن برای یادگیری ماشین
  • 18. آشنایی با Amazon SageMaker
  • 19. ساخت یک محیط توسعه در SageMaker
  • 20. آماده‌سازی داده‌ها برای آموزش مدل
  • 21. پاکسازی و پیش‌پردازش داده‌ها
  • 22. مهندسی ویژگی و انتخاب ویژگی
  • 23. مقدمه‌ای بر آموزش مدل‌های یادگیری ماشین
  • 24. انتخاب الگوریتم مناسب برای مسئله
  • 25. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 26. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 27. آموزش مدل رگرسیون خطی در SageMaker
  • 28. آموزش مدل رگرسیون لجستیک در SageMaker
  • 29. آموزش مدل SVM در SageMaker
  • 30. آموزش درخت تصمیم در SageMaker
  • 31. آموزش جنگل تصادفی در SageMaker
  • 32. مقدمه‌ای بر شبکه‌های عصبی عمیق
  • 33. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
  • 34. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
  • 35. مقدمه‌ای بر مفاهیم یادگیری تقویتی
  • 36. عناصر اصلی یادگیری تقویتی: عامل، محیط، پاداش
  • 37. الگوریتم‌های یادگیری تقویتی پایه
  • 38. کاربرد یادگیری تقویتی در مسائل بهینه‌سازی
  • 39. مقدمه‌ای بر ارزیابی مدل‌های یادگیری ماشین
  • 40. معیارهای ارزیابی برای مسائل رگرسیون
  • 41. میانگین مربعات خطا (MSE)
  • 42. ریشه میانگین مربعات خطا (RMSE)
  • 43. میانگین قدر مطلق خطا (MAE)
  • 44. معیارهای ارزیابی برای مسائل طبقه‌بندی
  • 45. دقت (Accuracy)
  • 46. صحت (Precision) و بازیابی (Recall)
  • 47. امتیاز F1
  • 48. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 49. منحنی ROC و سطح زیر منحنی (AUC)
  • 50. مفاهیم بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 51. روش‌های جلوگیری از بیش‌برازش
  • 52. تنظیم‌گری (Regularization): L1 و L2
  • 53. ترک (Dropout) در شبکه‌های عصبی
  • 54. افزایش داده (Data Augmentation)
  • 55. اعتبارسنجی متقابل (Cross-Validation)
  • 56. تکنیک‌های بهبود عملکرد مدل
  • 57. یادگیری انتقالی (Transfer Learning)
  • 58. استفاده از مدل‌های از پیش آموزش دیده
  • 59. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 60. کاربرد مدل‌های از پیش آموزش دیده در SageMaker
  • 61. مقدمه‌ای بر مدل‌های زبان بزرگ (LLMs)
  • 62. کاربردهای LLMs در مهندسی نرم‌افزار
  • 63. مقدمه‌ای بر مفاهیم پردازش زبان طبیعی (NLP)
  • 64. مدل‌سازی زبان
  • 65. تحلیل احساسات
  • 66. طبقه‌بندی متن
  • 67. استخراج اطلاعات
  • 68. مقدمه‌ای بر مدل‌های تولید متن
  • 69. آموزش مدل‌های تولید متن در SageMaker
  • 70. تنظیم مدل‌های تولید متن برای وظایف خاص
  • 71. کاربردهای مدل‌های تولید متن در اتوماسیون
  • 72. مقدمه‌ای بر بهینه‌سازی هزینه در AWS
  • 73. استراتژی‌های کاهش هزینه در SageMaker
  • 74. انتخاب نمونه‌های محاسباتی مناسب
  • 75. مدیریت چرخه عمر مدل
  • 76. مقدمه‌ای بر مفاهیم MLOps
  • 77. اهمیت MLOps در توسعه سیستم‌های هوشمند
  • 78. مراحل کلیدی در چرخه عمر MLOps
  • 79. خودکارسازی آموزش مدل
  • 80. خودکارسازی استقرار مدل
  • 81. پایش عملکرد مدل در محیط عملیاتی
  • 82. بازآموزی مدل بر اساس داده‌های جدید
  • 83. استفاده از SageMaker Pipelines برای MLOps
  • 84. مقدمه‌ای بر امنیت در یادگیری ماشین
  • 85. حفاظت از داده‌های آموزشی
  • 86. حفاظت از مدل‌های آموزش دیده
  • 87. امنیت در زمان استقرار مدل
  • 88. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 89. سوگیری در داده‌ها و مدل‌ها
  • 90. عدالت و شفافیت در سیستم‌های هوشمند
  • 91. مسئولیت‌پذیری در توسعه هوش مصنوعی
  • 92. کاربردهای هوش مصنوعی در کسب و کارهای ایرانی
  • 93. ملاحظات فرهنگی و بومی در پیاده‌سازی هوش مصنوعی
  • 94. مطالعات موردی موفق در ایران
  • 95. آینده یادگیری ماشین و هوش مصنوعی

📚 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.