سپنتا کتاب اکسپرس
کتاب طراحی و اجرای خطوط لوله یادگیری ماشین با Azure ML Studio

کتاب طراحی و اجرای خطوط لوله یادگیری ماشین با Azure ML Studio

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 طراحی و اجرای خطوط لوله یادگیری ماشین با Azure ML Studio

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پیاده‌سازی مدل‌های یادگیری ماشین با ابزارهای ابری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. یادگیری تقویتی
  • 7. مراحل پروژه یادگیری ماشین
  • 8. جمع‌آوری و آماده‌سازی داده‌ها
  • 9. مهندسی ویژگی
  • 10. انتخاب مدل
  • 11. آموزش مدل
  • 12. ارزیابی مدل
  • 13. تنظیم ابرپارامترها
  • 14. مقدمه‌ای بر خطوط لوله یادگیری ماشین
  • 15. مزایای خطوط لوله یادگیری ماشین
  • 16. اجزای یک خط لوله یادگیری ماشین
  • 17. طراحی خطوط لوله با Azure ML Studio
  • 18. مقدمه‌ای بر Azure Machine Learning
  • 19. محیط کاری Azure ML Studio
  • 20. مدیریت داده در Azure ML
  • 21. ایجاد مجموعه داده‌ها
  • 22. ثبت مجموعه داده‌ها
  • 23. مدیریت دارایی‌ها در Azure ML
  • 24. آزمایش‌ها و اجراها
  • 25. ثبت آزمایش‌ها
  • 26. ردیابی اجراها
  • 27. مدیریت مدل‌ها
  • 28. ثبت مدل‌ها
  • 29. نسخه‌بندی مدل‌ها
  • 30. استقرار مدل‌ها
  • 31. استقرار آنی
  • 32. استقرار دسته‌ای
  • 33. مقدمه‌ای بر Azure Container Instances
  • 34. استقرار در Azure Kubernetes Service
  • 35. مقدمه‌ای بر Azure Functions
  • 36. مقدمه‌ای بر Azure Databricks
  • 37. مقدمه‌ای بر Azure Synapse Analytics
  • 38. ایجاد کامپیوترهای محاسباتی در Azure ML
  • 39. انواع کامپیوترهای محاسباتی
  • 40. کانفیگ کردن کامپیوترهای محاسباتی
  • 41. اتصال به ذخیره‌سازی داده
  • 42. ایجاد اسکریپت‌های آموزشی
  • 43. اجرای اسکریپت‌ها به عنوان آزمایش
  • 44. پیکربندی محیط‌های آموزشی
  • 45. استفاده از Docker در Azure ML
  • 46. مدیریت وابستگی‌ها
  • 47. استفاده از Conda
  • 48. استفاده از Pip
  • 49. ایجاد خطوط لوله با SDK
  • 50. تعریف مراحل خط لوله
  • 51. ارتباط بین مراحل
  • 52. استفاده از کامپیوترهای محاسباتی در خط لوله
  • 53. استفاده از مجموعه داده‌ها در خط لوله
  • 54. تغذیه خروجی یک مرحله به مرحله دیگر
  • 55. تعریف پارامترهای خط لوله
  • 56. اجرای خط لوله
  • 57. زمان‌بندی خطوط لوله
  • 58. مانیتورینگ خطوط لوله
  • 59. اشکال‌زدایی خطوط لوله
  • 60. استفاده از Azure DevOps برای CI/CD
  • 61. یکپارچه‌سازی Azure ML با Azure DevOps
  • 62. ایجاد پایپ‌لاین‌های CI/CD
  • 63. اتوماسیون آموزش مدل
  • 64. اتوماسیون استقرار مدل
  • 65. مقدمه‌ای بر MLOps
  • 66. اصول MLOps
  • 67. مدیریت چرخه عمر مدل
  • 68. پایش عملکرد مدل
  • 69. بازآموزی مدل
  • 70. مدیریت ریسک و انطباق در خطوط لوله
  • 71. امنیت در Azure ML
  • 72. حفاظت از داده‌ها
  • 73. مدیریت دسترسی‌ها
  • 74. انطباق با مقررات
  • 75. استفاده از الگوریتم‌های یادگیری ماشین بومی
  • 76. پیاده‌سازی مدل‌های رگرسیون
  • 77. پیاده‌سازی مدل‌های طبقه‌بندی
  • 78. پیاده‌سازی مدل‌های خوشه‌بندی
  • 79. پیاده‌سازی مدل‌های کاهش ابعاد
  • 80. ارزیابی مدل‌های رگرسیون
  • 81. ارزیابی مدل‌های طبقه‌بندی
  • 82. ارزیابی مدل‌های خوشه‌بندی
  • 83. بهینه‌سازی ابرپارامترها با Azure ML
  • 84. جستجوی شبکه‌ای
  • 85. جستجوی تصادفی
  • 86. بهینه‌سازی بیزی
  • 87. استفاده از الگوریتم‌های یادگیری عمیق
  • 88. مقدمه‌ای بر شبکه‌های عصبی
  • 89. شبکه‌های عصبی کانولوشنی
  • 90. شبکه‌های عصبی بازگشتی
  • 91. استفاده از TensorFlow در Azure ML
  • 92. استفاده از PyTorch در Azure ML
  • 93. آموزش مدل‌های یادگیری عمیق
  • 94. پایش عملکرد مدل‌های یادگیری عمیق
  • 95. استقرار مدل‌های یادگیری عمیق
  • 96. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 97. تکنیک‌های پردازش زبان طبیعی
  • 98. استفاده از مدل‌های NLP در Azure ML
  • 99. پیاده‌سازی خطوط لوله NLP
  • 100. مقدمه‌ای بر بینایی ماشین

📚 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.