سپنتا کتاب اکسپرس
کتاب مهندسی مدل‌های یادگیری ماشین در AWS

کتاب مهندسی مدل‌های یادگیری ماشین در AWS

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

موضوع کلی: مهندسی و توسعه نرم‌افزار

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی مدل‌های یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مراحل چرخه حیات مدل یادگیری ماشین
  • 5. آماده‌سازی داده‌ها برای آموزش مدل
  • 6. پاکسازی و پیش‌پردازش داده‌ها
  • 7. مهندسی ویژگی (Feature Engineering)
  • 8. انتخاب ویژگی (Feature Selection)
  • 9. تقسیم داده‌ها: آموزش، اعتبارسنجی، آزمون
  • 10. مبانی آموزش مدل‌های یادگیری ماشین
  • 11. الگوریتم‌های رگرسیون خطی
  • 12. الگوریتم‌های رگرسیون لجستیک
  • 13. مبانی طبقه‌بندی
  • 14. الگوریتم‌های درخت تصمیم
  • 15. الگوریتم‌های ماشین بردار پشتیبان (SVM)
  • 16. الگوریتم‌های K-نزدیک‌ترین همسایه (KNN)
  • 17. الگوریتم‌های خوشه‌بندی (Clustering)
  • 18. الگوریتم K-Means
  • 19. الگوریتم DBSCAN
  • 20. مبانی شبکه‌های عصبی مصنوعی
  • 21. معماری شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 22. تابع فعال‌سازی در شبکه‌های عصبی
  • 23. تابع هزینه (Loss Function)
  • 24. بهینه‌سازها (Optimizers): گرادیان کاهشی
  • 25. یادگیری عمیق (Deep Learning)
  • 26. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
  • 27. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
  • 28. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 29. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 30. آموزش مدل‌های یادگیری ماشین در AWS
  • 31. معرفی Amazon SageMaker
  • 32. ایجاد محیط توسعه SageMaker
  • 33. استفاده از نوت‌بوک‌های SageMaker
  • 34. مبانی تنظیم هایپرپارامتر (Hyperparameter Tuning)
  • 35. استفاده از SageMaker برای آموزش مدل‌های سفارشی
  • 36. آموزش مدل با استفاده از الگوریتم‌های داخلی SageMaker
  • 37. مدیریت داده‌ها در SageMaker
  • 38. ذخیره‌سازی داده‌ها با Amazon S3
  • 39. استفاده از Amazon EMR برای پردازش داده‌های بزرگ
  • 40. یکپارچه‌سازی SageMaker با Amazon EMR
  • 41. مدیریت و ردیابی آزمایش‌های آموزش مدل
  • 42. استفاده از SageMaker Experiments
  • 43. ثبت معیارها و پارامترهای مدل
  • 44. مقایسه نتایج آزمایش‌های مختلف
  • 45. تنظیم هایپرپارامتر خودکار در SageMaker
  • 46. جستجوی تصادفی (Random Search)
  • 47. جستجوی شبکه‌ای (Grid Search)
  • 48. بهینه‌سازی بیزی (Bayesian Optimization)
  • 49. استفاده از الگوریتم‌های پیشرفته‌تر برای آموزش
  • 50. آموزش مدل‌های یادگیری عمیق در SageMaker
  • 51. استفاده از فریم‌ورک‌های محبوب یادگیری عمیق (TensorFlow, PyTorch)
  • 52. آموزش توزیع شده (Distributed Training)
  • 53. مدل‌های یادگیری تقویتی در AWS
  • 54. معرفی Amazon SageMaker Reinforcement Learning
  • 55. تنظیم محیط یادگیری تقویتی
  • 56. آموزش عامل (Agent) یادگیری تقویتی
  • 57. ارزیابی عملکرد مدل‌های یادگیری ماشین
  • 58. معیارهای ارزیابی برای رگرسیون
  • 59. معیارهای ارزیابی برای طبقه‌بندی
  • 60. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 61. دقت، صحت، بازیابی (Precision, Recall)
  • 62. امتیاز F1
  • 63. منحنی ROC و AUC
  • 64. اعتبارسنجی متقابل (Cross-Validation)
  • 65. تفسیرپذیری مدل (Model Interpretability)
  • 66. استفاده از SageMaker Clarify
  • 67. تحلیل اهمیت ویژگی‌ها
  • 68. تحلیل انحراف (Bias) در مدل‌ها
  • 69. عیب‌یابی و بهینه‌سازی مدل‌ها
  • 70. تشخیص و رفع بیش‌برازش (Overfitting)
  • 71. تشخیص و رفع کم‌برازش (Underfitting)
  • 72. تکنیک‌های تنظیم مدل
  • 73. تنظیم نرخ یادگیری
  • 74. تنظیم اندازه دسته (Batch Size)
  • 75. تنظیم تعداد اپوک (Epochs)
  • 76. استفاده از تکنیک‌های منظم‌سازی (Regularization)
  • 77. L1 و L2 Regularization
  • 78. Dropout
  • 79. Early Stopping
  • 80. مدیریت نسخه‌های مدل
  • 81. استفاده از SageMaker Model Registry
  • 82. ردیابی مدل‌های آموزش دیده
  • 83. ذخیره‌سازی و بازیابی مدل‌ها
  • 84. سازگاری مدل‌ها با محیط عملیاتی
  • 85. انتقال یادگیری (Transfer Learning)
  • 86. کاربرد انتقال یادگیری در مسائل مختلف
  • 87. آموزش مدل‌های تشخیص اشیاء
  • 88. آموزش مدل‌های تشخیص چهره
  • 89. آموزش مدل‌های پردازش زبان طبیعی (NLP)
  • 90. مبانی پردازش زبان طبیعی
  • 91. مدل‌های زبانی آماری
  • 92. مدل‌های زبانی مبتنی بر یادگیری عمیق
  • 93. استفاده از SageMaker برای NLP
  • 94. آموزش مدل‌های طبقه‌بندی متن
  • 95. آموزش مدل‌های تشخیص موجودیت نام‌گذاری شده (NER)
  • 96. آموزش مدل‌های ترجمه ماشینی
  • 97. آموزش مدل‌های خلاصه‌سازی متن
  • 98. کاربرد مدل‌های یادگیری ماشین در صنعت
  • 99. مطالعه موردی: پیش‌بینی فروش
  • 100. مطالعه موردی: تشخیص تقلب

📚 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.