کتاب تحلیل و سنجش کارایی 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 تحلیل و سنجش کارایی مدل‌های یادگیری ماشین در AWS

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ سیستم‌های هوشمند

موضوع میانی: ارزیابی و بهینه‌سازی عملکرد مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سنجش کارایی مدل‌های یادگیری ماشین
  • 2. اهمیت تحلیل عملکرد در چرخه عمر مدل
  • 3. معیارهای اساسی ارزیابی مدل‌های طبقه‌بندی
  • 4. دقت (Accuracy) و محدودیت‌های آن
  • 5. حساسیت (Sensitivity) و ویژگی (Specificity)
  • 6. مقدار پیش‌بین مثبت (Precision) و بازخوانی (Recall)
  • 7. امتیاز F1 و توازن بین دقت و بازخوانی
  • 8. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 9. تحلیل منحنی ROC و سطح زیر منحنی (AUC)
  • 10. منحنی Precision-Recall و کاربردهای آن
  • 11. معیارهای ارزیابی مدل‌های رگرسیون
  • 12. خطای میانگین مربعات (MSE)
  • 13. ریشه خطای میانگین مربعات (RMSE)
  • 14. خطای میانگین قدر مطلق (MAE)
  • 15. ضریب تعیین (R-squared)
  • 16. نکات کلیدی در تفسیر معیارهای رگرسیون
  • 17. معیارهای ارزیابی مدل‌های خوشه‌بندی
  • 18. شاخص سیلوئت (Silhouette Score)
  • 19. شاخص دیویس-بولدین (Davies-Bouldin Index)
  • 20. ارزیابی کیفی خوشه‌ها
  • 21. معیارهای ارزیابی مدل‌های پردازش زبان طبیعی (NLP)
  • 22. معیارهای مبتنی بر کلمه (BLEU, ROUGE)
  • 23. معیارهای مبتنی بر جمله
  • 24. ارزیابی مدل‌های تشخیص اشیاء
  • 25. معیارهای IoU (Intersection over Union)
  • 26. معیارهای Precision و Recall برای تشخیص اشیاء
  • 27. ارزیابی مدل‌های تولید محتوا
  • 28. معیارهای ارزیابی مدل‌های یادگیری تقویتی
  • 29. پاداش (Reward) و تابع ارزش (Value Function)
  • 30. سیاست (Policy) و بهینه‌سازی آن
  • 31. معیارهای ارزیابی مدل‌های سری زمانی
  • 32. خطای پیش‌بینی (Forecast Error)
  • 33. میانگین خطای درصدی مطلق (MAPE)
  • 34. تحلیل واریانس مدل
  • 35. شناسایی و مدیریت بیش‌برازش (Overfitting)
  • 36. تکنیک‌های تنظیم‌گری (Regularization)
  • 37. اعتبارسنجی متقابل (Cross-Validation)
  • 38. اعتبارسنجی K-Fold
  • 39. اعتبارسنجی Stratified K-Fold
  • 40. اعتبارسنجی Time Series Cross-Validation
  • 41. شناسایی و مدیریت کم‌برازش (Underfitting)
  • 42. تکنیک‌های افزایش پیچیدگی مدل
  • 43. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 44. جستجوی شبکه‌ای (Grid Search)
  • 45. جستجوی تصادفی (Random Search)
  • 46. بهینه‌سازی بیزی (Bayesian Optimization)
  • 47. ابزارهای مانیتورینگ عملکرد مدل در AWS
  • 48. Amazon SageMaker Model Monitor
  • 49. تنظیم آستانه‌های هشدار
  • 50. تحلیل انحراف داده (Data Drift)
  • 51. تحلیل انحراف مفهوم (Concept Drift)
  • 52. مدیریت چرخه عمر مدل در AWS
  • 53. بازآموزی مدل (Model Retraining)
  • 54. استقرار مدل (Model Deployment)
  • 55. مقایسه عملکرد مدل‌های مختلف
  • 56. انتخاب بهترین مدل بر اساس معیارهای سنجش
  • 57. مستندسازی نتایج ارزیابی
  • 58. گزارش‌دهی عملکرد مدل
  • 59. تجسم‌سازی نتایج ارزیابی
  • 60. کاربرد ابزارهای بصری‌سازی در AWS
  • 61. داشبوردهای سفارشی برای مانیتورینگ
  • 62. استانداردهای صنعتی برای ارزیابی مدل
  • 63. اصول ارزیابی مدل در چارچوب اسلامی
  • 64. اصول ارزیابی مدل در چارچوب اقتصاد مقاومتی
  • 65. ملاحظات اخلاقی در ارزیابی مدل
  • 66. حفظ حریم خصوصی داده‌ها در ارزیابی
  • 67. شفافیت در فرآیند ارزیابی مدل
  • 68. قابلیت تفسیرپذیری مدل (Model Interpretability)
  • 69. تکنیک‌های توضیح‌پذیری مدل (XAI)
  • 70. LIME و SHAP
  • 71. تحلیل اهمیت ویژگی‌ها (Feature Importance)
  • 72. اهمیت ویژگی در مدل‌های خطی
  • 73. اهمیت ویژگی در مدل‌های درختی
  • 74. اهمیت ویژگی در مدل‌های یادگیری عمیق
  • 75. کاربرد تحلیل عملکرد در بهینه‌سازی مدل
  • 76. بهبود پارامترهای مدل
  • 77. انتخاب ویژگی‌های مؤثرتر
  • 78. تغییر معماری مدل
  • 79. بررسی تأثیر داده‌های آموزشی بر عملکرد
  • 80. پاکسازی و پیش‌پردازش داده برای ارزیابی
  • 81. مدیریت داده‌های نامتوازن
  • 82. تکنیک‌های نمونه‌برداری مجدد (Resampling)
  • 83. تکنیک‌های تولید داده مصنوعی (Data Augmentation)
  • 84. ارزیابی مدل در سناریوهای واقعی کسب‌وکار
  • 85. سناریوهای بانکی و مالی
  • 86. سناریوهای بهداشتی و درمانی
  • 87. سناریوهای تجارت الکترونیک
  • 88. سناریوهای تولید و صنعتی
  • 89. سناریوهای دولتی و عمومی
  • 90. جمع‌بندی و گام‌های بعدی در تحلیل عملکرد مدل

📚 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.