اکسپرس 24
کتاب آموزش جامع مهندسی هوش مصنوعی مولد با Databricks (آمادگی آزمون Associate)

کتاب آموزش جامع مهندسی هوش مصنوعی مولد با Databricks (آمادگی آزمون Associate)

تگ‌ها: AI Engineer Databricks Generative AI آزمون دیتابریکس دیتابریکس مهندسی داده مهندسی هوش مصنوعی هوش مصنوعی هوش مصنوعی مولد یادگیری ماشین

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 آموزش جامع مهندسی هوش مصنوعی مولد با Databricks (آمادگی آزمون Associate)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی داده و پلتفرم‌های هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی مولد
  • 2. مروری بر پلتفرم Databricks
  • 3. مبانی یادگیری ماشین
  • 4. یادگیری نظارت‌شده در Databricks
  • 5. یادگیری بدون نظارت در Databricks
  • 6. مقدمه‌ای بر یادگیری تقویتی
  • 7. مهندسی ویژگی و انتخاب ویژگی
  • 8. پیش‌پردازش و پاکسازی داده‌ها
  • 9. مقیاس‌پذیری داده‌ها با Spark
  • 10. کار با داده‌های ساختاریافته و نیمه‌ساختاریافته
  • 11. کار با داده‌های متنی و تصویر
  • 12. معماری Lakehouse
  • 13. Delta Lake: مبانی و ویژگی‌ها
  • 14. بهینه‌سازی عملکرد کوئری‌ها در Delta Lake
  • 15. مدیریت داده‌ها با Databricks Unity Catalog
  • 16. امنیت داده‌ها در Databricks
  • 17. معرفی مدل‌های زبانی بزرگ (LLMs)
  • 18. Fine-tuning مدل‌های زبانی بزرگ
  • 19. ارزیابی عملکرد مدل‌های زبانی بزرگ
  • 20. Prompt Engineering: اصول و تکنیک‌ها
  • 21. استفاده از مدل‌های زبانی بزرگ در Databricks
  • 22. معرفی مدل‌های مولد تصویر
  • 23. ساخت و آموزش مدل‌های Diffusion
  • 24. استفاده از مدل‌های مولد تصویر در Databricks
  • 25. معماری Transformer
  • 26. مبانی Attention Mechanism
  • 27. کار با Embeddingها
  • 28. مدل‌های سری زمانی و پیش‌بینی
  • 29. تشخیص ناهنجاری و Anomalies
  • 30. Data Versioning و Lineage
  • 31. MLflow: مدیریت چرخه حیات مدل
  • 32. مدیریت آزمایش‌ها و پارامترها
  • 33. استقرار مدل‌ها با Databricks Model Serving
  • 34. مانتیورینگ و مدیریت مدل‌های استقرار یافته
  • 35. AutoML در Databricks
  • 36. بهینه‌سازی Hyperparameter
  • 37. یادگیری انتقال (Transfer Learning)
  • 38. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 39. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 40. کار با داده‌های جریانی (Streaming Data)
  • 41. معماری Lambda و Kappa
  • 42. استفاده از Databricks Auto Loader
  • 43. کار با داده‌های GeoSpatial
  • 44. تحلیل داده‌های مکانی با Spark
  • 45. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 46. Tokenization و Text Preprocessing
  • 47. مدل‌های Word Embedding (Word2Vec, GloVe)
  • 48. تحلیل Sentiment با Databricks
  • 49. مدل‌های طبقه‌بندی متن
  • 50. خلاصه‌سازی متن (Text Summarization)
  • 51. ترجمه ماشینی (Machine Translation)
  • 52. استخراج اطلاعات از متن
  • 53. کار با APIهای هوش مصنوعی
  • 54. ادغام Databricks با سایر سرویس‌ها
  • 55. ساخت Pipelines هوش مصنوعی
  • 56. اتوماسیون فرآیندهای هوش مصنوعی
  • 57. بهینه‌سازی هزینه‌ها در Databricks
  • 58. مدیریت منابع و Clusterها
  • 59. امنیت و Compliance در Databricks
  • 60. بهترین روش‌ها برای توسعه و استقرار مدل‌های هوش مصنوعی
  • 61. آشنایی با Databricks Marketplace
  • 62. استفاده از مدل‌های از پیش آموزش‌دیده
  • 63. آشنایی با مفاهیم MLOps
  • 64. CI/CD برای مدل‌های هوش مصنوعی
  • 65. مدیریت نسخه داده‌ها با DLT (Delta Live Tables)
  • 66. استفاده از Databricks Repos
  • 67. مقدمه‌ای بر Generative AI برای کاربردهای تجاری
  • 68. استفاده از مدل‌های مولد برای تولید محتوا
  • 69. آشنایی با روش‌های ارزیابی کیفیت محتوای تولید شده
  • 70. کار با LLMOps
  • 71. تست و اعتبارسنجی مدل‌های زبانی بزرگ
  • 72. مباحث تکمیلی هوش مصنوعی مولد
  • 73. آینده هوش مصنوعی مولد و Databricks

📚 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.