اکسپرس 24
کتاب طراحی و پیاده‌سازی سیستم‌های یادگیری ماشین در عمل

کتاب طراحی و پیاده‌سازی سیستم‌های یادگیری ماشین در عمل

تگ‌ها: MLOps پیاده‌سازی یادگیری ماشین تولید ML سیستم‌های ML مدل‌های ML در عمل مهندسی یادگیری ماشین هوش مصنوعی در صنعت یادگیری ماشین در تولید یادگیری ماشین عملی

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 طراحی و پیاده‌سازی سیستم‌های یادگیری ماشین در عمل

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین برای مهندسی
  • 2. مقدمه‌ای بر چرخه حیات سیستم‌های یادگیری ماشین
  • 3. جمع‌آوری و آماده‌سازی داده‌ها برای مدل‌ها
  • 4. مهندسی ویژگی: اصول و تکنیک‌ها
  • 5. انتخاب مدل: معیارهای ارزیابی و روش‌ها
  • 6. آموزش مدل‌ها: الگوریتم‌ها و پارامترها
  • 7. اعتبارسنجی مدل و جلوگیری از بیش‌برازش
  • 8. استقرار مدل: استراتژی‌ها و معماری‌ها
  • 9. مانیتورینگ عملکرد مدل پس از استقرار
  • 10. مدیریت چرخه حیات مدل (MLOps)
  • 11. معماری‌های سیستم‌های یادگیری ماشین مقیاس‌پذیر
  • 12. پردازش داده‌ها در مقیاس بزرگ
  • 13. ساخت خطوط لوله داده (Data Pipelines)
  • 14. استانداردسازی و مدیریت مصنوعات مدل
  • 15. نسخه‌بندی داده‌ها و مدل‌ها
  • 16. خودکارسازی فرآیندهای یادگیری ماشین
  • 17. مدیریت آزمایش‌ها (Experiment Tracking)
  • 18. استقرار مدل به صورت سرویس (Model Serving)
  • 19. APIهای یادگیری ماشین و ارتباط با سیستم‌ها
  • 20. استقرار مدل‌های دسته‌ای (Batch Inference)
  • 21. استقرار مدل‌های بلادرنگ (Real-time Inference)
  • 22. استراتژی‌های A/B تست برای مدل‌ها
  • 23. مانیتورینگ انحراف داده (Data Drift)
  • 24. مانیتورینگ انحراف مدل (Model Drift)
  • 25. بازآموزی مدل‌ها و به‌روزرسانی خودکار
  • 26. مدیریت زیرساخت برای MLOps
  • 27. خدمات ابری برای یادگیری ماشین
  • 28. ابزارهای متن‌باز برای MLOps
  • 29. امنیت در سیستم‌های یادگیری ماشین
  • 30. حریم خصوصی داده‌ها در یادگیری ماشین
  • 31. مسئولیت‌پذیری و شفافیت مدل‌ها
  • 32. اخلاق در هوش مصنوعی و یادگیری ماشین
  • 33. مدیریت ریسک در سیستم‌های یادگیری ماشین
  • 34. ارزیابی هزینه و فایده سیستم‌های ML
  • 35. بهینه‌سازی عملکرد و سرعت مدل‌ها
  • 36. فشرده‌سازی مدل‌ها برای استقرار
  • 37. کوانتیزاسیون مدل‌ها
  • 38. تقطیر دانش (Knowledge Distillation)
  • 39. یادگیری انتقالی (Transfer Learning)
  • 40. مدل‌های پایه (Foundation Models)
  • 41. کاربرد مدل‌های پایه در مهندسی ML
  • 42. تفسیرپذیری مدل‌های یادگیری ماشین (XAI)
  • 43. تکنیک‌های توضیح‌پذیری مدل
  • 44. ارزیابی عادلانه مدل‌ها (Fairness)
  • 45. کاهش سوگیری در داده‌ها و مدل‌ها
  • 46. سیستم‌های توصیه‌گر: مبانی
  • 47. طراحی سیستم‌های توصیه‌گر مقیاس‌پذیر
  • 48. فیلترینگ مشارکتی (Collaborative Filtering)
  • 49. فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
  • 50. مدل‌های ترکیبی برای توصیه‌گرها
  • 51. ارزیابی سیستم‌های توصیه‌گر
  • 52. پردازش زبان طبیعی (NLP): مقدمات
  • 53. مدل‌های زبانی و نمایش متن
  • 54. استخراج ویژگی از متن
  • 55. طبقه‌بندی متن
  • 56. تشخیص موجودیت نام‌گذاری شده (NER)
  • 57. تحلیل احساسات (Sentiment Analysis)
  • 58. ترجمه ماشینی
  • 59. تولید متن
  • 60. سیستم‌های پرسش و پاسخ
  • 61. یادگیری عمیق برای NLP
  • 62. شبکه‌های عصبی بازگشتی (RNN)
  • 63. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 64. شبکه‌های عصبی کانولوشنی (CNN) برای متن
  • 65. معماری ترنسفورمر (Transformer)
  • 66. مدل‌های ترنسفورمر پیش‌آموزش‌دیده
  • 67. کاربرد مدل‌های ترنسفورمر در وظایف NLP
  • 68. بینایی ماشین (Computer Vision): مقدمات
  • 69. پردازش و نمایش تصاویر
  • 70. استخراج ویژگی از تصاویر
  • 71. تشخیص اشیاء
  • 72. دسته‌بندی تصاویر
  • 73. تقسیم‌بندی تصاویر (Image Segmentation)
  • 74. تشخیص چهره
  • 75. تولید تصویر
  • 76. یادگیری عمیق برای بینایی ماشین
  • 77. شبکه‌های عصبی کانولوشنی (CNN)
  • 78. معماری‌های پیشرفته CNN
  • 79. یادگیری تقویتی (Reinforcement Learning): مبانی
  • 80. عناصر یادگیری تقویتی
  • 81. الگوریتم‌های یادگیری تقویتی
  • 82. کاربرد یادگیری تقویتی در بهینه‌سازی
  • 83. مدیریت سیستم‌های توزیع‌شده برای ML
  • 84. استقرار مدل‌ها در محیط‌های ابری
  • 85. استقرار مدل‌ها در دستگاه‌های لبه (Edge Devices)
  • 86. هماهنگ‌سازی مدل‌ها و داده‌ها
  • 87. تست و اعتبارسنجی سیستم‌های ML
  • 88. مستندسازی سیستم‌های یادگیری ماشین
  • 89. اصول مهندسی نرم‌افزار در MLOps
  • 90. فرهنگ سازمانی برای MLOps
  • 91. آینده مهندسی یادگیری ماشین
  • 92. نوآوری در معماری‌های ML
  • 93. یادگیری ماشین قابل توضیح و اخلاقی
  • 94. سیستم‌های ML خودکار و هوشمند
  • 95. نکات کلیدی در پیاده‌سازی موفق سیستم‌های ML

📚 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.