کتاب صوتی آموزش مدل‌های یادگیری ماشین در AWS برای مهندسان مرتبط

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش مدل‌های یادگیری ماشین در AWS برای مهندسان مرتبط

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ سیستم‌های ابری

موضوع میانی: یادگیری ماشین و هوش مصنوعی در پلتفرم‌های ابری

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مهندسی نرم افزار و سیستم های ابری
• 2. مفاهیم اساسی توسعه سیستم های ابری
• 3. معماری میکروسرویس ها در ابر
• 4. امنیت در سیستم های ابری
• 5. مدیریت و نظارت بر سرویس های ابری
• 6. مقدمه ای بر یادگیری ماشین
• 7. مبانی یادگیری ماشین
• 8. انواع یادگیری ماشین
• 9. یادگیری نظارت شده
• 10. یادگیری نظارت نشده
• 11. یادگیری تقویتی
• 12. مقدمه ای بر AWS
• 13. سرویس های محاسباتی AWS
• 14. سرویس های ذخیره سازی AWS
• 15. سرویس های پایگاه داده AWS
• 16. سرویس های شبکه AWS
• 17. مقدمه ای بر آموزش مدل های یادگیری ماشین
• 18. مراحل آموزش مدل
• 19. آماده سازی داده ها برای آموزش
• 20. پاکسازی و پیش پردازش داده ها
• 21. مهندسی ویژگی
• 22. انتخاب ویژگی
• 23. بخش بندی داده ها
• 24. آموزش مدل های رگرسیون
• 25. رگرسیون خطی
• 26. رگرسیون چندگانه
• 27. رگرسیون پولی نومیال
• 28. آموزش مدل های طبقه بندی
• 29. طبقه بندی باینری
• 30. طبقه بندی چند کلاسه
• 31. رگرسیون لجستیک
• 32. ماشین بردار پشتیبان (SVM)
• 33. درخت های تصمیم
• 34. جنگل های تصادفی
• 35. آموزش مدل های خوشه بندی
• 36. خوشه بندی K-Means
• 37. خوشه بندی سلسله مراتبی
• 38. DBSCAN
• 39. ارزیابی مدل های یادگیری ماشین
• 40. معیارهای ارزیابی برای رگرسیون
• 41. خطای میانگین مربعات (MSE)
• 42. ریشه خطای میانگین مربعات (RMSE)
• 43. خطای میانگین قدر مطلق (MAE)
• 44. ضریب تعیین (R-squared)
• 45. معیارهای ارزیابی برای طبقه بندی
• 46. دقت (Accuracy)
• 47. صحت (Precision)
• 48. بازیابی (Recall)
• 49. امتیاز F1
• 50. ماتریس درهم ریختگی (Confusion Matrix)
• 51. منحنی ROC و AUC
• 52. تنظیم ابر پارامترها
• 53. جستجوی شبکه‌ای (Grid Search)
• 54. جستجوی تصادفی (Random Search)
• 55. تنظیم ابر پارامترهای مدل های یادگیری ماشین
• 56. آموزش مدل های یادگیری عمیق
• 57. مقدمه ای بر شبکه های عصبی
• 58. شبکه های عصبی پیچشی (CNN)
• 59. شبکه های عصبی بازگشتی (RNN)
• 60. یادگیری انتقالی (Transfer Learning)
• 61. آموزش مدل های تشخیص تصویر در AWS
• 62. سرویس Amazon Rekognition
• 63. آموزش مدل های پردازش زبان طبیعی در AWS
• 64. سرویس Amazon Comprehend
• 65. سرویس Amazon Translate
• 66. سرویس Amazon Lex
• 67. آموزش مدل های پیش بینی در AWS
• 68. سرویس Amazon Forecast
• 69. استقرار مدل های یادگیری ماشین در AWS
• 70. Amazon SageMaker
• 71. آموزش و تنظیم مدل ها در SageMaker
• 72. اجرای مدل ها در SageMaker
• 73. استقرار مدل های Real-time در SageMaker
• 74. استقرار مدل های Batch Transform در SageMaker
• 75. نظارت بر مدل های مستقر شده
• 76. Amazon CloudWatch برای نظارت بر مدل
• 77. مدیریت چرخه عمر مدل
• 78. نسخه بندی مدل ها
• 79. ردیابی آزمایش ها
• 80. مدیریت داده ها در AWS برای یادگیری ماشین
• 81. Amazon S3 برای ذخیره سازی داده ها
• 82. Amazon Redshift برای تحلیل داده ها
• 83. Amazon RDS برای پایگاه داده های رابطه ای
• 84. Amazon DynamoDB برای پایگاه داده های NoSQL
• 85. امنیت در آموزش و استقرار مدل ها
• 86. مدیریت دسترسی در AWS (IAM)
• 87. رمزنگاری داده ها
• 88. نکات پیشرفته در آموزش مدل ها
• 89. یادگیری فعال (Active Learning)
• 90. یادگیری نیمه نظارت شده (Semi-Supervised Learning)
• 91. یادگیری چند وظیفه ای (Multi-Task Learning)
• 92. توضیح پذیری مدل (Explainable AI - XAI)
• 93. مدل های قابل تفسیر
• 94. ابزارهای XAI در AWS
• 95. ملاحظات اخلاقی در یادگیری ماشین
• 96. سوگیری در داده ها و مدل ها
• 97. عدالت و انصاف در هوش مصنوعی
• 98. حریم خصوصی داده ها
• 99. کاربرد یادگیری ماشین در کسب و کار
• 100. بهبود فرآیندهای کسب و کار