سپنتا کتاب اکسپرس
کتاب مهندسی مدل‌های یادگیری ماشین در AWS: بهبود عملکرد و دقت

کتاب مهندسی مدل‌های یادگیری ماشین در AWS: بهبود عملکرد و دقت

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 مهندسی مدل‌های یادگیری ماشین در AWS: بهبود عملکرد و دقت

موضوع کلی: مهندسی یادگیری ماشین و هوش مصنوعی

موضوع میانی: توسعه و بهینه‌سازی مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی مدل‌های یادگیری ماشین
  • 2. مبانی مهندسی مدل در AWS
  • 3. چرخه حیات توسعه مدل
  • 4. اهمیت بهینه‌سازی مدل
  • 5. مفهوم Refinement در یادگیری ماشین
  • 6. معیارهای ارزیابی مدل‌های یادگیری ماشین
  • 7. شاخص‌های کلیدی عملکرد (KPIs)
  • 8. دقت (Accuracy) و مفاهیم مرتبط
  • 9. صحت (Precision) و بازیابی (Recall)
  • 10. امتیاز F1 و کاربردهای آن
  • 11. منحنی ROC و AUC
  • 12. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
  • 13. انتخاب ویژگی‌های مرتبط
  • 14. مهندسی ویژگی برای داده‌های عددی
  • 15. مهندسی ویژگی برای داده‌های دسته‌ای
  • 16. تبدیل ویژگی‌ها (Feature Transformation)
  • 17. مقیاس‌بندی ویژگی‌ها (Feature Scaling)
  • 18. استانداردسازی (Standardization)
  • 19. نرمال‌سازی (Normalization)
  • 20. مدیریت داده‌های نامتوازن (Imbalanced Data)
  • 21. تکنیک‌های نمونه‌برداری (Sampling Techniques)
  • 22. کاهش ابعاد (Dimensionality Reduction)
  • 23. تحلیل مولفه‌های اصلی (PCA)
  • 24. تحلیل تمایز خطی (LDA)
  • 25. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 26. مقدمه‌ای بر جستجوی شبکه‌ای (Grid Search)
  • 27. جستجوی تصادفی (Random Search)
  • 28. بهینه‌سازی بیزی (Bayesian Optimization)
  • 29. مفهوم Regularization
  • 30. L1 Regularization (Lasso)
  • 31. L2 Regularization (Ridge)
  • 32. Elastic Net Regularization
  • 33. مقدمه‌ای بر جلوگیری از بیش‌برازش (Overfitting)
  • 34. مفهوم کم‌برازش (Underfitting)
  • 35. اعتبارسنجی متقابل (Cross-Validation)
  • 36. اعتبارسنجی K-Fold
  • 37. اعتبارسنجی Stratified K-Fold
  • 38. مدیریت داده‌های پرت (Outlier Detection)
  • 39. تکنیک‌های شناسایی داده‌های پرت
  • 40. حذف یا اصلاح داده‌های پرت
  • 41. مقدمه‌ای بر مهندسی مدل‌های مبتنی بر درخت
  • 42. تنظیم پارامترهای درخت تصمیم
  • 43. تنظیم پارامترهای جنگل تصادفی (Random Forest)
  • 44. تنظیم پارامترهای گرادیان بوستینگ (Gradient Boosting)
  • 45. مقدمه‌ای بر مهندسی مدل‌های مبتنی بر شبکه‌های عصبی
  • 46. تنظیم نرخ یادگیری (Learning Rate)
  • 47. تابع فعال‌سازی (Activation Function)
  • 48. بهینه‌سازها (Optimizers)
  • 49. مقدمه‌ای بر معماری‌های پیشرفته شبکه‌های عصبی
  • 50. شبکه‌های عصبی کانولوشنال (CNN)
  • 51. شبکه‌های عصبی بازگشتی (RNN)
  • 52. شبکه‌های عصبی ترنسفورمر (Transformer Networks)
  • 53. بهینه‌سازی معماری مدل
  • 54. استفاده از دانش انتقالی (Transfer Learning)
  • 55. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
  • 56. مقدمه‌ای بر مهندسی مدل‌های پردازش زبان طبیعی (NLP)
  • 57. مدل‌های زبانی (Language Models)
  • 58. تعبیه‌های کلمه (Word Embeddings)
  • 59. مدل‌های توالی به توالی (Sequence-to-Sequence Models)
  • 60. مقدمه‌ای بر مهندسی مدل‌های بینایی ماشین (Computer Vision)
  • 61. شناسایی اشیاء (Object Detection)
  • 62. تقسیم‌بندی تصاویر (Image Segmentation)
  • 63. تولید تصویر (Image Generation)
  • 64. مقدمه‌ای بر مهندسی مدل‌های یادگیری تقویتی (Reinforcement Learning)
  • 65. عامل (Agent) و محیط (Environment)
  • 66. پاداش (Reward) و سیاست (Policy)
  • 67. یادگیری Q (Q-Learning)
  • 68. مقدمه‌ای بر استقرار مدل (Model Deployment)
  • 69. استقرار مدل در AWS SageMaker
  • 70. Endpoint های Real-time
  • 71. Endpoint های Batch Transform
  • 72. بهینه‌سازی عملکرد مدل در زمان استقرار
  • 73. مانیتورینگ مدل (Model Monitoring)
  • 74. تشخیص رانش داده (Data Drift Detection)
  • 75. تشخیص رانش مفهوم (Concept Drift Detection)
  • 76. بازآموزی مدل (Model Retraining)
  • 77. استراتژی‌های بازآموزی مدل
  • 78. مدیریت چرخه حیات مدل
  • 79. مستندسازی مدل‌ها
  • 80. کنترل نسخه مدل‌ها
  • 81. امنیت مدل‌ها
  • 82. اخلاق در هوش مصنوعی
  • 83. سوگیری (Bias) در مدل‌ها
  • 84. عدالت (Fairness) در هوش مصنوعی
  • 85. شفافیت (Transparency) مدل‌ها
  • 86. قابلیت تفسیر (Interpretability) مدل‌ها
  • 87. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 88. کاربرد یادگیری فدرال در حفظ حریم خصوصی
  • 89. مقدمه‌ای بر یادگیری خودکار (AutoML)
  • 90. مزایا و محدودیت‌های AutoML
  • 91. فریم‌ورک‌های AutoML در AWS
  • 92. اتوماسیون فرآیندهای ML
  • 93. بهبود مستمر مدل‌ها
  • 94. ارزیابی جامع عملکرد مدل
  • 95. تکنیک‌های پیشرفته بهینه‌سازی
  • 96. مطالعات موردی در مهندسی مدل
  • 97. چالش‌های عملی در مهندسی مدل
  • 98. بهینه‌سازی مدل برای کارایی محاسباتی
  • 99. مدیریت منابع محاسباتی
  • 100. تکنیک‌های کوانتیزاسیون مدل (Model Quantization)

📚 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.