سپنتا کتاب اکسپرس
کتاب ارزیابی مدل‌های یادگیری ماشین در Vertex AI

کتاب ارزیابی مدل‌های یادگیری ماشین در Vertex AI

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 ارزیابی مدل‌های یادگیری ماشین در Vertex AI

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: عملیات یادگیری ماشین (MLOps)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر ارزیابی مدل در یادگیری ماشین
  • 2. اهمیت ارزیابی مدل در چرخه عمر یادگیری ماشین
  • 3. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 4. دقت (Accuracy) و محدودیت‌های آن
  • 5. حساسیت (Sensitivity) یا بازیابی (Recall)
  • 6. ویژگی (Specificity)
  • 7. مقیاس‌پذیری (Precision)
  • 8. امتیاز F1 (F1-Score)
  • 9. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 10. تحلیل منحنی ROC و AUC
  • 11. استفاده از منحنی Precision-Recall
  • 12. معیارهای ارزیابی مدل‌های رگرسیون
  • 13. خطای میانگین مربعات (MSE)
  • 14. ریشه خطای میانگین مربعات (RMSE)
  • 15. خطای میانگین قدر مطلق (MAE)
  • 16. ضریب تعیین (R-squared)
  • 17. خطای درصدی میانگین مطلق (MAPE)
  • 18. ارزیابی مدل‌های خوشه‌بندی
  • 19. شاخص سیلوئت (Silhouette Score)
  • 20. شاخص دیویس-بولدین (Davies-Bouldin Index)
  • 21. ارزیابی مدل‌های تشخیص ناهنجاری
  • 22. معیارهای ارزیابی مدل‌های پردازش زبان طبیعی
  • 23. امتیاز BLEU برای ترجمه ماشینی
  • 24. امتیاز ROUGE برای خلاصه‌سازی متن
  • 25. ارزیابی مدل‌های بینایی ماشین
  • 26. معیارهای تشخیص اشیاء
  • 27. معیارهای تقسیم‌بندی تصاویر
  • 28. استانداردهای ارزیابی در Vertex AI
  • 29. مقدمه‌ای بر Vertex AI Model Evaluation
  • 30. پلتفرم Vertex AI برای ارزیابی مدل
  • 31. تنظیمات ارزیابی مدل در Vertex AI
  • 32. انتخاب معیارهای مناسب برای ارزیابی
  • 33. تنظیم پارامترهای ارزیابی در Vertex AI
  • 34. بارگذاری داده‌های ارزیابی
  • 35. اجرای ارزیابی مدل در Vertex AI
  • 36. مشاهده نتایج ارزیابی در داشبورد Vertex AI
  • 37. تجزیه و تحلیل بصری نتایج ارزیابی
  • 38. گزارش‌دهی نتایج ارزیابی مدل
  • 39. مقایسه مدل‌های مختلف با استفاده از Vertex AI
  • 40. ردیابی تاریخچه ارزیابی مدل‌ها
  • 41. مدیریت نسخه‌های مدل و نتایج ارزیابی
  • 42. اتوماسیون فرآیند ارزیابی مدل
  • 43. یکپارچه‌سازی ارزیابی مدل با چرخه MLOps
  • 44. استفاده از Vertex AI Pipelines برای ارزیابی
  • 45. تعیین آستانه‌های ارزیابی برای استقرار مدل
  • 46. مدیریت انحراف مدل (Model Drift)
  • 47. تشخیص انحراف داده (Data Drift)
  • 48. تشخیص انحراف مفهوم (Concept Drift)
  • 49. تکنیک‌های کاهش انحراف مدل
  • 50. بازآموزی مدل بر اساس نتایج ارزیابی
  • 51. نظارت بر عملکرد مدل در محیط عملیاتی
  • 52. مدیریت ریسک در استقرار مدل‌های یادگیری ماشین
  • 53. اهمیت اعتبارسنجی مدل (Model Validation)
  • 54. تکنیک‌های اعتبارسنجی متقابل (Cross-validation)
  • 55. اعتبارسنجی متقابل K-Fold
  • 56. اعتبارسنجی متقابل Leave-One-Out
  • 57. اعتبارسنجی استراتیفاید (Stratified Validation)
  • 58. اعتبارسنجی زمانی (Time-Series Validation)
  • 59. انتخاب داده‌های اعتبارسنجی مناسب
  • 60. تأثیر حجم داده بر ارزیابی مدل
  • 61. تأثیر کیفیت داده بر ارزیابی مدل
  • 62. شناسایی و مدیریت داده‌های پرت (Outliers)
  • 63. تکنیک‌های پیش‌پردازش داده برای ارزیابی
  • 64. استانداردسازی و نرمال‌سازی داده‌ها
  • 65. رمزگذاری ویژگی‌های دسته‌ای (Categorical Features)
  • 66. مهندسی ویژگی (Feature Engineering) برای ارزیابی
  • 67. تأثیر مهندسی ویژگی بر معیارهای ارزیابی
  • 68. ارزیابی مدل‌های یادگیری عمیق
  • 69. معیارهای خاص برای شبکه‌های عصبی کانولوشنال
  • 70. معیارهای خاص برای شبکه‌های عصبی بازگشتی
  • 71. ارزیابی مدل‌های یادگیری تقویتی
  • 72. معیارهای ارزیابی در یادگیری تقویتی
  • 73. ملاحظات اخلاقی در ارزیابی مدل
  • 74. سوگیری در داده‌ها و مدل‌ها
  • 75. تأثیر سوگیری بر معیارهای ارزیابی
  • 76. کاهش سوگیری در فرآیند ارزیابی
  • 77. شفافیت و قابلیت تفسیر مدل (Explainability)
  • 78. تکنیک‌های تفسیرپذیری مدل
  • 79. تجزیه و تحلیل اهمیت ویژگی
  • 80. تکنیک LIME و SHAP
  • 81. ارزیابی مدل‌های دفاعی در برابر حملات
  • 82. ملاحظات امنیتی در ارزیابی مدل
  • 83. استفاده از ابزارهای متن‌باز برای ارزیابی
  • 84. کتابخانه‌های پایتون برای ارزیابی مدل
  • 85. TensorFlow Model Analysis
  • 86. PyTorch Model Evaluation
  • 87. Scikit-learn Metrics
  • 88. جمع‌بندی و گام‌های بعدی در ارزیابی مدل
  • 89. بهبود مداوم فرآیند ارزیابی مدل
  • 90. آینده ارزیابی مدل در یادگیری ماشین
  • 91. نکات کلیدی در ارزیابی مدل‌های یادگیری ماشین
  • 92. تمرینات عملی ارزیابی مدل در Vertex AI
  • 93. مطالعه موردی: ارزیابی مدل پیش‌بینی فروش
  • 94. مطالعه موردی: ارزیابی مدل تشخیص تقلب
  • 95. مطالعه موردی: ارزیابی مدل طبقه‌بندی تصاویر پزشکی

📚 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.