دوره مهندسی مدلهای یادگیری ماشین در AWS همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مهندسی مدلهای یادگیری ماشین در AWS
موضوع کلی: مهندسی و توسعه نرمافزار
موضوع میانی: یادگیری ماشین و هوش مصنوعی
📋 سرفصلهای دوره
- 1. مقدمهای بر مهندسی مدلهای یادگیری ماشین
- 2. مبانی یادگیری ماشین
- 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
- 4. مراحل چرخه حیات مدل یادگیری ماشین
- 5. آمادهسازی دادهها برای آموزش مدل
- 6. پاکسازی و پیشپردازش دادهها
- 7. مهندسی ویژگی (Feature Engineering)
- 8. انتخاب ویژگی (Feature Selection)
- 9. تقسیم دادهها: آموزش، اعتبارسنجی، آزمون
- 10. مبانی آموزش مدلهای یادگیری ماشین
- 11. الگوریتمهای رگرسیون خطی
- 12. الگوریتمهای رگرسیون لجستیک
- 13. مبانی طبقهبندی
- 14. الگوریتمهای درخت تصمیم
- 15. الگوریتمهای ماشین بردار پشتیبان (SVM)
- 16. الگوریتمهای K-نزدیکترین همسایه (KNN)
- 17. الگوریتمهای خوشهبندی (Clustering)
- 18. الگوریتم K-Means
- 19. الگوریتم DBSCAN
- 20. مبانی شبکههای عصبی مصنوعی
- 21. معماری شبکههای عصبی پرسپترون چندلایه (MLP)
- 22. تابع فعالسازی در شبکههای عصبی
- 23. تابع هزینه (Loss Function)
- 24. بهینهسازها (Optimizers): گرادیان کاهشی
- 25. یادگیری عمیق (Deep Learning)
- 26. شبکههای عصبی کانولوشنال (CNN) برای پردازش تصویر
- 27. شبکههای عصبی بازگشتی (RNN) برای دادههای ترتیبی
- 28. شبکههای حافظه طولانی کوتاهمدت (LSTM)
- 29. شبکههای حافظه کوتاهمدت (GRU)
- 30. آموزش مدلهای یادگیری ماشین در AWS
- 31. معرفی Amazon SageMaker
- 32. ایجاد محیط توسعه SageMaker
- 33. استفاده از نوتبوکهای SageMaker
- 34. مبانی تنظیم هایپرپارامتر (Hyperparameter Tuning)
- 35. استفاده از SageMaker برای آموزش مدلهای سفارشی
- 36. آموزش مدل با استفاده از الگوریتمهای داخلی SageMaker
- 37. مدیریت دادهها در SageMaker
- 38. ذخیرهسازی دادهها با Amazon S3
- 39. استفاده از Amazon EMR برای پردازش دادههای بزرگ
- 40. یکپارچهسازی SageMaker با Amazon EMR
- 41. مدیریت و ردیابی آزمایشهای آموزش مدل
- 42. استفاده از SageMaker Experiments
- 43. ثبت معیارها و پارامترهای مدل
- 44. مقایسه نتایج آزمایشهای مختلف
- 45. تنظیم هایپرپارامتر خودکار در SageMaker
- 46. جستجوی تصادفی (Random Search)
- 47. جستجوی شبکهای (Grid Search)
- 48. بهینهسازی بیزی (Bayesian Optimization)
- 49. استفاده از الگوریتمهای پیشرفتهتر برای آموزش
- 50. آموزش مدلهای یادگیری عمیق در SageMaker
- 51. استفاده از فریمورکهای محبوب یادگیری عمیق (TensorFlow, PyTorch)
- 52. آموزش توزیع شده (Distributed Training)
- 53. مدلهای یادگیری تقویتی در AWS
- 54. معرفی Amazon SageMaker Reinforcement Learning
- 55. تنظیم محیط یادگیری تقویتی
- 56. آموزش عامل (Agent) یادگیری تقویتی
- 57. ارزیابی عملکرد مدلهای یادگیری ماشین
- 58. معیارهای ارزیابی برای رگرسیون
- 59. معیارهای ارزیابی برای طبقهبندی
- 60. ماتریس درهمریختگی (Confusion Matrix)
- 61. دقت، صحت، بازیابی (Precision, Recall)
- 62. امتیاز F1
- 63. منحنی ROC و AUC
- 64. اعتبارسنجی متقابل (Cross-Validation)
- 65. تفسیرپذیری مدل (Model Interpretability)
- 66. استفاده از SageMaker Clarify
- 67. تحلیل اهمیت ویژگیها
- 68. تحلیل انحراف (Bias) در مدلها
- 69. عیبیابی و بهینهسازی مدلها
- 70. تشخیص و رفع بیشبرازش (Overfitting)
- 71. تشخیص و رفع کمبرازش (Underfitting)
- 72. تکنیکهای تنظیم مدل
- 73. تنظیم نرخ یادگیری
- 74. تنظیم اندازه دسته (Batch Size)
- 75. تنظیم تعداد اپوک (Epochs)
- 76. استفاده از تکنیکهای منظمسازی (Regularization)
- 77. L1 و L2 Regularization
- 78. Dropout
- 79. Early Stopping
- 80. مدیریت نسخههای مدل
- 81. استفاده از SageMaker Model Registry
- 82. ردیابی مدلهای آموزش دیده
- 83. ذخیرهسازی و بازیابی مدلها
- 84. سازگاری مدلها با محیط عملیاتی
- 85. انتقال یادگیری (Transfer Learning)
- 86. کاربرد انتقال یادگیری در مسائل مختلف
- 87. آموزش مدلهای تشخیص اشیاء
- 88. آموزش مدلهای تشخیص چهره
- 89. آموزش مدلهای پردازش زبان طبیعی (NLP)
- 90. مبانی پردازش زبان طبیعی
- 91. مدلهای زبانی آماری
- 92. مدلهای زبانی مبتنی بر یادگیری عمیق
- 93. استفاده از SageMaker برای NLP
- 94. آموزش مدلهای طبقهبندی متن
- 95. آموزش مدلهای تشخیص موجودیت نامگذاری شده (NER)
- 96. آموزش مدلهای ترجمه ماشینی
- 97. آموزش مدلهای خلاصهسازی متن
- 98. کاربرد مدلهای یادگیری ماشین در صنعت
- 99. مطالعه موردی: پیشبینی فروش
- 100. مطالعه موردی: تشخیص تقلب
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.