سپنتا کتاب اکسپرس
کتاب آموزش مدل با استفاده از Amazon SageMaker: راهنمای عملی

کتاب آموزش مدل با استفاده از Amazon SageMaker: راهنمای عملی

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 آموزش مدل با استفاده از Amazon SageMaker: راهنمای عملی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و استقرار مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه‌ای یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. یادگیری ماشین نظارت شده: رگرسیون و طبقه‌بندی
  • 5. یادگیری ماشین بدون نظارت: خوشه‌بندی و کاهش ابعاد
  • 6. مقدمه‌ای بر Amazon SageMaker
  • 7. معماری Amazon SageMaker
  • 8. محیط‌های توسعه در SageMaker
  • 9. آماده‌سازی داده‌ها برای یادگیری ماشین
  • 10. پاکسازی و پیش‌پردازش داده‌ها
  • 11. مهندسی ویژگی (Feature Engineering)
  • 12. انتخاب و استخراج ویژگی
  • 13. تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و آزمون
  • 14. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
  • 15. رگرسیون خطی
  • 16. رگرسیون لجستیک
  • 17. ماشین‌های بردار پشتیبان (SVM)
  • 18. درختان تصمیم
  • 19. جنگل‌های تصادفی (Random Forests)
  • 20. گرادیان بوستینگ (Gradient Boosting)
  • 21. شبکه‌های عصبی مصنوعی
  • 22. مقدمه‌ای بر شبکه‌های عصبی
  • 23. لایه‌های شبکه‌های عصبی
  • 24. توابع فعال‌سازی
  • 25. پس‌انتشار خطا (Backpropagation)
  • 26. بهینه‌سازی شبکه‌های عصبی
  • 27. یادگیری عمیق (Deep Learning)
  • 28. شبکه‌های عصبی کانولوشنی (CNN)
  • 29. شبکه‌های عصبی بازگشتی (RNN)
  • 30. شبکه‌های عصبی ترنسفورمر
  • 31. آموزش مدل با SageMaker
  • 32. انتخاب الگوریتم مناسب
  • 33. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 34. استفاده از الگوریتم‌های داخلی SageMaker
  • 35. آموزش مدل با استفاده از اسکریپت‌های سفارشی
  • 36. مدیریت داده‌ها در SageMaker
  • 37. ذخیره‌سازی داده‌ها در S3
  • 38. دسترسی به داده‌ها در SageMaker
  • 39. ایجاد مجموعه داده (Dataset) در SageMaker
  • 40. آموزش مدل‌های توزیع شده
  • 41. استفاده از پردازنده‌های گرافیکی (GPU) برای آموزش
  • 42. نظارت بر فرآیند آموزش
  • 43. ثبت و ردیابی آزمایش‌ها
  • 44. ارزیابی مدل
  • 45. معیارهای ارزیابی مدل برای رگرسیون
  • 46. معیارهای ارزیابی مدل برای طبقه‌بندی
  • 47. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 48. منحنی ROC و AUC
  • 49. اعتبارسنجی متقابل (Cross-validation)
  • 50. تنظیم ابرپارامترها با SageMaker
  • 51. جستجوی شبکه‌ای (Grid Search)
  • 52. جستجوی تصادفی (Random Search)
  • 53. بهینه‌سازی بیزی (Bayesian Optimization)
  • 54. استقرار مدل در SageMaker
  • 55. ایجاد نقطه پایانی (Endpoint) برای استقرار
  • 56. استقرار مدل برای پیش‌بینی آنی
  • 57. استقرار مدل برای پردازش دسته‌ای (Batch Transform)
  • 58. بهینه‌سازی عملکرد مدل مستقر شده
  • 59. مقیاس‌پذیری نقاط پایانی
  • 60. مدیریت نسخه‌های مدل
  • 61. مانیتورینگ مدل مستقر شده
  • 62. تشخیص انحراف داده (Data Drift)
  • 63. تشخیص انحراف مدل (Model Drift)
  • 64. استفاده از SageMaker Pipelines
  • 65. اتوماسیون فرآیند ML
  • 66. مدیریت چرخه عمر مدل
  • 67. مقدمه‌ای بر MLOps
  • 68. اصول MLOps
  • 69. ابزارها و تکنیک‌های MLOps
  • 70. امنیت در SageMaker
  • 71. مدیریت دسترسی و مجوزها
  • 72. رمزنگاری داده‌ها
  • 73. پایش امنیتی
  • 74. ملاحظات اخلاقی در هوش مصنوعی
  • 75. عدالت و انصاف در مدل‌ها
  • 76. شفافیت مدل‌ها
  • 77. پاسخگویی در هوش مصنوعی
  • 78. کاربرد هوش مصنوعی در صنایع مختلف
  • 79. هوش مصنوعی در بهداشت و درمان
  • 80. هوش مصنوعی در امور مالی
  • 81. هوش مصنوعی در تولید
  • 82. هوش مصنوعی در خرده‌فروشی
  • 83. هوش مصنوعی در حمل و نقل
  • 84. مقدمه‌ای بر یادگیری تقویتی
  • 85. مفاهیم کلیدی یادگیری تقویتی
  • 86. عامل، محیط، پاداش
  • 87. سیاست (Policy) و تابع ارزش (Value Function)
  • 88. الگوریتم‌های یادگیری تقویتی
  • 89. Q-Learning
  • 90. Deep Q-Networks (DQN)
  • 91. Policy Gradients
  • 92. Actor-Critic Methods
  • 93. کاربرد یادگیری تقویتی در SageMaker
  • 94. آموزش عامل یادگیری تقویتی
  • 95. استقرار عامل یادگیری تقویتی
  • 96. ملاحظات پیشرفته در SageMaker
  • 97. آموزش مدل با استفاده از داده‌های حجیم
  • 98. بهینه‌سازی هزینه‌ها در SageMaker
  • 99. استفاده از SageMaker Studio
  • 100. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)

📚 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.