سپنتا کتاب اکسپرس
کتاب مبانی عملی AutoML: گام به گام برای ساخت مدل‌های خودکار

کتاب مبانی عملی AutoML: گام به گام برای ساخت مدل‌های خودکار

انتخاب پلن

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 مبانی عملی AutoML: گام به گام برای ساخت مدل‌های خودکار

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: یادگیری خودکار (AutoML)

📋 سرفصل‌های دوره

  • 1. مقدمه به AutoML
  • 2. اتوماسیون در یادگیری ماشین
  • 3. مزایای AutoML
  • 4. چالش‌های AutoML
  • 5. انواع AutoML
  • 6. AutoML مبتنی بر جستجوی هایپرپارامتر
  • 7. AutoML مبتنی بر معماری شبکه عصبی
  • 8. AutoML مبتنی بر انتخاب ویژگی
  • 9. AutoML مبتنی بر مهندسی ویژگی
  • 10. AutoML در عمل: مراحل اصلی
  • 11. جمع‌آوری و آماده‌سازی داده‌ها
  • 12. شناخت داده‌ها
  • 13. پاکسازی داده‌ها
  • 14. مهندسی ویژگی
  • 15. انتخاب ویژگی
  • 16. پیش‌پردازش داده‌ها
  • 17. استانداردسازی داده‌ها
  • 18. نرمال‌سازی داده‌ها
  • 19. رمزگذاری متغیرهای دسته‌ای
  • 20. مدل‌سازی با AutoML
  • 21. انتخاب الگوریتم
  • 22. جستجوی هایپرپارامتر
  • 23. بهینه‌سازی هایپرپارامتر
  • 24. جستجوی تصادفی
  • 25. جستجوی شبکه‌ای
  • 26. بهینه‌سازی بیزی
  • 27. الگوریتم‌های تکاملی
  • 28. جستجوی معماری عصبی (NAS)
  • 29. انواع NAS
  • 30. جستجوی مبتنی بر گرادیان
  • 31. جستجوی مبتنی بر تقویت یادگیری
  • 32. جستجوی مبتنی بر ارزیابی تصادفی
  • 33. ارزیابی مدل
  • 34. معیارهای ارزیابی
  • 35. بازخوانی
  • 36. امتیاز F1
  • 37. منحنی ROC و AUC
  • 38. ارزیابی متقابل
  • 39. نکات کلیدی در ارزیابی
  • 40. استقرار مدل AutoML
  • 41. انتخاب پلتفرم استقرار
  • 42. محیط‌های ابری
  • 43. On-Premise
  • 44. ابزارهای AutoML
  • 45. Google Cloud AutoML
  • 46. Amazon SageMaker Autopilot
  • 47. Microsoft Azure Machine Learning
  • 48. H2O.ai
  • 49. Auto-sklearn
  • 50. TPOT
  • 51. AutoKeras
  • 52. استفاده از Google Cloud AutoML
  • 53. آغاز کار با Google Cloud
  • 54. انتخاب مجموعه داده
  • 55. آموزش مدل
  • 56. ارزیابی مدل در Google Cloud
  • 57. استقرار مدل در Google Cloud
  • 58. استفاده از Amazon SageMaker Autopilot
  • 59. آغاز کار با SageMaker
  • 60. ایجاد آزمایش Autopilot
  • 61. نظارت بر آموزش
  • 62. ارزیابی نتایج
  • 63. استقرار مدل
  • 64. استفاده از Microsoft Azure Machine Learning
  • 65. ایجاد فضای کاری
  • 66. آموزش مدل با Designer
  • 67. آموزش مدل با SDK
  • 68. ارزیابی و استقرار
  • 69. ملاحظات اخلاقی در AutoML
  • 70. سوگیری در داده‌ها
  • 71. شفافیت مدل
  • 72. تفسیرپذیری مدل
  • 73. مسئولیت‌پذیری
  • 74. آینده AutoML
  • 75. روندهای نوظهور
  • 76. AutoML خودکارتر
  • 77. AutoML برای وظایف پیچیده‌تر
  • 78. AutoML سبک‌تر و کارآمدتر
  • 79. AutoML توضیحی
  • 80. کاربردها و صنایع
  • 81. تشخیص پزشکی
  • 82. بازاریابی و فروش
  • 83. خدمات مالی
  • 84. تولید
  • 85. خودرو
  • 86. نکات پیشرفته در AutoML
  • 87. تنظیم دستی هایپرپارامترهای کلیدی
  • 88. ترکیب با مدل‌های سفارشی
  • 89. مدیریت داده‌های سری زمانی
  • 90. مدیریت داده‌های متنی
  • 91. مدیریت داده‌های تصویری
  • 92. استراتژی‌های کاهش پیچیدگی
  • 93. فهم محدودیت‌های AutoML
  • 94. کاربرد AutoML در پروژه‌های واقعی
  • 95. مثال: پیش‌بینی ریزش مشتری
  • 96. مثال: تشخیص تقلب
  • 97. مثال: طبقه‌بندی تصاویر
  • 98. مثال: پردازش زبان طبیعی
  • 99. کارگاه عملی: ساخت مدل پیش‌بینی
  • 100. کارگاه عملی: بهبود مدل موجود

📚 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.