دوره اعتبارسنجی داده و تحلیل انحراف با TFX همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اعتبارسنجی داده و تحلیل انحراف با TFX

موضوع کلی: ارزیابی سیستم‌های هوش مصنوعی

موضوع میانی: TensorFlow Extended (TFX)

📋 سرفصل‌های دوره

• 1. مقدمه بر اعتبارسنجی داده
• 2. اهمیت اعتبارسنجی داده در یادگیری ماشین
• 3. مراحل کلی اعتبارسنجی داده
• 4. اهداف اعتبارسنجی داده
• 5. انواع خطاهای داده
• 6. داده‌های پرت و تاثیر آن
• 7. شناسایی داده‌های پرت
• 8. مدیریت داده‌های پرت
• 9. داده‌های گمشده و تاثیر آن
• 10. شناسایی داده‌های گمشده
• 11. استراتژی‌های مدیریت داده‌های گمشده
• 12. اعتبارسنجی داده با TFX
• 13. معماری TFX
• 14. مولفه‌های TFX برای اعتبارسنجی داده
• 15. ExampleGen در TFX
• 16. StatisticsGen در TFX
• 17. SchemaGen در TFX
• 18. ExampleValidator در TFX
• 19. TensorFlow Data Validation (TFDV)
• 20. مفاهیم کلیدی TFDV
• 21. تولید آمار توصیفی
• 22. کشف انحرافات آماری
• 23. انحرافات در داده‌های آموزشی
• 24. انحرافات در داده‌های ارزیابی
• 25. انحرافات در داده‌های تولید
• 26. تشخیص انحرافات بین مجموعه داده‌ها
• 27. انحرافات در ویژگی‌های عددی
• 28. انحرافات در ویژگی‌های دسته‌ای
• 29. انحرافات در توزیع ویژگی‌ها
• 30. انحرافات در مقادیر گمشده
• 31. انحرافات در مقادیر پرت
• 32. تفسیر نتایج ExampleValidator
• 33. پیاده‌سازی ExampleValidator
• 34. تنظیمات ExampleValidator
• 35. تعریف threshold ها برای انحراف
• 36. انحرافات در داده‌های تازه
• 37. مدیریت انحرافات در طول زمان
• 38. تاثیر انحرافات بر مدل
• 39. تشخیص انحرافات مدل
• 40. انحرافات مدلی و داده‌ای
• 41. انحرافات در داده‌های ورودی مدل
• 42. انحرافات در پیش‌بینی‌های مدل
• 43. استفاده از TFX برای نظارت بر انحراف
• 44. پایپ‌لاین TFX برای اعتبارسنجی
• 45. ترکیب مولفه‌های TFX
• 46. Deframer در TFX
• 47. TransformData در TFX
• 48. Resolver در TFX
• 49. Trainer در TFX
• 50. Evaluator در TFX
• 51. Pusher در TFX
• 52. تنظیمات پایپ‌لاین TFX
• 53. مدیریت اسکیمای داده
• 54. اعتبارسنجی اسکیمای داده
• 55. تغییرات اسکیمای داده
• 56. اعتبارسنجی تطابق اسکیمای داده
• 57. اعتبارسنجی توزیع داده
• 58. اعتبارسنجی مقادیر نامعتبر
• 59. اعتبارسنجی داده‌های نامتعارف
• 60. اعتبارسنجی داده‌های تکراری
• 61. اعتبارسنجی داده‌های سازگار
• 62. اعتبارسنجی داده‌های متقابل ویژگی‌ها
• 63. اعتبارسنجی داده‌های مرتبط با دامنه
• 64. اعتبارسنجی داده‌های طبقه‌بندی شده
• 65. اعتبارسنجی داده‌های رگرسیون
• 66. اعتبارسنجی داده‌های سری زمانی
• 67. اعتبارسنجی داده‌های متنی
• 68. اعتبارسنجی داده‌های تصویری
• 69. اعتبارسنجی داده‌های صوتی
• 70. اعتبارسنجی داده‌های ترکیبی
• 71. نکات پیشرفته در اعتبارسنجی داده
• 72. اعتبارسنجی داده برای مدل‌های پیچیده
• 73. اعتبارسنجی داده در مقیاس بزرگ
• 74. اعتبارسنجی داده در محیط‌های تولید
• 75. خودکارسازی اعتبارسنجی داده
• 76. اعتبارسنجی داده و DevOps
• 77. اعتبارسنجی داده و MLOps
• 78. چالش‌های اعتبارسنجی داده
• 79. بهترین شیوه‌ها در اعتبارسنجی داده
• 80. ابزارهای اضافی برای اعتبارسنجی داده
• 81. ارتباط TFX با سایر ابزارها
• 82. پروژه‌های عملی اعتبارسنجی داده
• 83. مطالعه موردی: اعتبارسنجی داده در تجارت الکترونیک
• 84. مطالعه موردی: اعتبارسنجی داده در سلامت
• 85. مطالعه موردی: اعتبارسنجی داده در مالی
• 86. مطالعه موردی: اعتبارسنجی داده در تشخیص پزشکی
• 87. درس‌های آموخته شده از اعتبارسنجی داده
• 88. آینده اعتبارسنجی داده
• 89. تکنیک‌های نوین در اعتبارسنجی داده
• 90. انحراف داده و پایداری مدل
• 91. تاثیر انحراف داده بر عدالت مدل
• 92. اعتبارسنجی داده و امنیت مدل
• 93. نتیجه‌گیری نهایی از اعتبارسنجی داده
• 94. نکات کلیدی TFX برای اعتبارسنجی