اکسپرس 24
کتاب یادگیری ماشین و هوش مصنوعی بدون نیاز به کدنویسی با AWS (همراه با تمرین عملی)

کتاب یادگیری ماشین و هوش مصنوعی بدون نیاز به کدنویسی با AWS (همراه با تمرین عملی)

تگ‌ها: AWS آموزش AWS تحلیل داده توسعه ابری هوش مصنوعی هوش مصنوعی کاربردی هوش مصنوعی مولد یادگیری ماشین یادگیری ماشین بدون کد یادگیری ماشین عملی

انتخاب پلن

افزودنی‌های اختیاری

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 یادگیری ماشین و هوش مصنوعی بدون نیاز به کدنویسی با AWS (همراه با تمرین عملی)

موضوع کلی: یادگیری ماشین و هوش مصنوعی

موضوع میانی: توسعه با استفاده از سرویس‌های ابری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی
  • 2. مفاهیم کلیدی یادگیری ماشین
  • 3. یادگیری نظارت‌شده در مقابل یادگیری بدون نظارت
  • 4. انتخاب الگوریتم مناسب برای مسئله
  • 5. آشنایی با سرویس‌های ابری AWS
  • 6. معرفی Amazon SageMaker
  • 7. ایجاد یک حساب کاربری AWS و پیکربندی آن
  • 8. آشنایی با محیط SageMaker Studio
  • 9. بارگذاری و آماده‌سازی داده‌ها در SageMaker
  • 10. پاکسازی و پیش‌پردازش داده‌ها
  • 11. مهندسی ویژگی (Feature Engineering)
  • 12. آموزش مدل‌های یادگیری ماشین در SageMaker
  • 13. استفاده از الگوریتم‌های از پیش ساخته‌شده
  • 14. ارزیابی و اعتبارسنجی مدل‌ها
  • 15. بهینه‌سازی هایپرپارامترها
  • 16. استقرار مدل‌های آموزش‌دیده در SageMaker
  • 17. ایجاد Endpoint برای دسترسی به مدل
  • 18. نظارت بر عملکرد مدل در زمان واقعی
  • 19. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 20. شبکه‌های عصبی (Neural Networks)
  • 21. استفاده از Amazon SageMaker JumpStart
  • 22. مدل‌های از پیش آموزش‌دیده (Pre-trained Models)
  • 23. Fine-tuning مدل‌های از پیش آموزش‌دیده
  • 24. استفاده از پردازنده‌های گرافیکی (GPUs) برای آموزش مدل
  • 25. مفاهیم کلیدی مدل‌های زبانی بزرگ (LLMs)
  • 26. معرفی Amazon Bedrock
  • 27. استفاده از مدل‌های LLM در Bedrock
  • 28. تولید متن با استفاده از LLMs
  • 29. خلاصه‌سازی متن با استفاده از LLMs
  • 30. ترجمه زبان با استفاده از LLMs
  • 31. آشنایی با Retrieval Augmented Generation (RAG)
  • 32. پیاده‌سازی RAG با استفاده از AWS
  • 33. ساخت یک چت‌بات با استفاده از LLMs
  • 34. استفاده از Amazon Lex برای ساخت چت‌بات
  • 35. یکپارچه‌سازی چت‌بات با کانال‌های مختلف
  • 36. مقدمه‌ای بر بینایی کامپیوتر (Computer Vision)
  • 37. تشخیص اشیا با استفاده از SageMaker
  • 38. طبقه‌بندی تصاویر با استفاده از SageMaker
  • 39. شناسایی چهره با استفاده از Amazon Rekognition
  • 40. تحلیل ویدیو با استفاده از Amazon Rekognition
  • 41. مفاهیم کلیدی پردازش زبان طبیعی (NLP)
  • 42. تحلیل احساسات (Sentiment Analysis)
  • 43. استخراج موجودیت‌ها (Entity Extraction)
  • 44. خوشه‌بندی متن (Text Clustering)
  • 45. مدل‌سازی موضوعی (Topic Modeling)
  • 46. پیش‌بینی سری‌های زمانی (Time Series Forecasting)
  • 47. استفاده از Amazon Forecast
  • 48. تشخیص ناهنجاری (Anomaly Detection)
  • 49. بهبود امنیت مدل‌های یادگیری ماشین
  • 50. حفاظت از داده‌ها در AWS
  • 51. انطباق با مقررات حفظ حریم خصوصی
  • 52. استفاده از AutoML در SageMaker
  • 53. مفاهیم کلیدی MLOps
  • 54. خودکارسازی فرایند آموزش و استقرار مدل
  • 55. نظارت و مدیریت چرخه حیات مدل
  • 56. آشنایی با AWS CloudFormation
  • 57. استفاده از Infrastructure as Code (IaC)
  • 58. بهینه‌سازی هزینه‌ها در AWS
  • 59. انتخاب نوع Instance مناسب
  • 60. استفاده از Spot Instances
  • 61. مقایسه سرویس‌های مختلف AWS برای یادگیری ماشین
  • 62. بهترین روش‌ها برای توسعه برنامه‌های یادگیری ماشین
  • 63. آشنایی با ابزارهای Debugging در SageMaker
  • 64. عیب‌یابی مشکلات آموزش مدل
  • 65. عیب‌یابی مشکلات استقرار مدل
  • 66. آشنایی با APIهای AWS برای یادگیری ماشین
  • 67. یکپارچه‌سازی مدل‌های یادگیری ماشین با برنامه‌های کاربردی
  • 68. استفاده از AWS Lambda برای اجرای مدل‌ها
  • 69. استفاده از Amazon API Gateway برای دسترسی به مدل‌ها
  • 70. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 71. آشنایی با الگوریتم‌های یادگیری تقویتی
  • 72. پیاده‌سازی یادگیری تقویتی در AWS
  • 73. کاربرد یادگیری ماشین در حوزه‌های مختلف
  • 74. یادگیری ماشین در حوزه سلامت
  • 75. یادگیری ماشین در حوزه مالی
  • 76. یادگیری ماشین در حوزه بازاریابی
  • 77. یادگیری ماشین در حوزه تولید
  • 78. آشنایی با ابزارهای visualization داده در AWS
  • 79. استفاده از Amazon QuickSight
  • 80. ساخت داشبوردهای تعاملی
  • 81. مفاهیم کلیدی بیزینس اینتلیجنس (BI)
  • 82. استفاده از یادگیری ماشین برای بهبود تصمیم‌گیری
  • 83. آینده یادگیری ماشین و هوش مصنوعی
  • 84. مفاهیم کلیدی هوش مصنوعی مسئولانه (Responsible AI)
  • 85. جلوگیری از سوگیری در مدل‌های یادگیری ماشین
  • 86. تفسیرپذیری مدل‌های یادگیری ماشین
  • 87. آشنایی با AWS Marketplace برای یادگیری ماشین

📚 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.