سپنتا کتاب اکسپرس
کتاب بهینه‌سازی و استقرار مدل‌های یادگیری ماشین با Amazon SageMaker Neo

کتاب بهینه‌سازی و استقرار مدل‌های یادگیری ماشین با Amazon SageMaker Neo

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 بهینه‌سازی و استقرار مدل‌های یادگیری ماشین با Amazon SageMaker Neo

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بهینه‌سازی مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین
  • 2. مفاهیم کلیدی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مقدمه‌ای بر Amazon SageMaker
  • 8. قابلیت‌های SageMaker
  • 9. Amazon SageMaker Neo چیست؟
  • 10. چرا از SageMaker Neo استفاده کنیم؟
  • 11. مزایای بهینه‌سازی مدل
  • 12. انواع مدل‌های پشتیبانی شده
  • 13. فرمت‌های مدل پشتیبانی شده
  • 14. مقدمه‌ای بر کامپایل مدل
  • 15. فرآیند کامپایل مدل
  • 16. مراحل استقرار مدل
  • 17. محیط‌های هدف برای استقرار
  • 18. سخت‌افزارهای پشتیبانی شده
  • 19. معماری SageMaker Neo
  • 20. تجزیه و تحلیل مدل
  • 21. پیش‌پردازش داده‌ها
  • 22. مهندسی ویژگی
  • 23. انتخاب ویژگی
  • 24. روش‌های انتخاب ویژگی
  • 25. مدل‌سازی اولیه
  • 26. آموزش مدل‌های پایه
  • 27. ارزیابی مدل‌های پایه
  • 28. تنظیم هایپرپارامترها
  • 29. جستجوی شبکه‌ای
  • 30. جستجوی تصادفی
  • 31. بهینه‌سازی بیزی
  • 32. مقدمه‌ای بر SageMaker Neo Compiler
  • 33. ورودی‌های SageMaker Neo Compiler
  • 34. خروجی‌های SageMaker Neo Compiler
  • 35. پارامترهای کامپایل
  • 36. انتخاب پلتفرم هدف
  • 37. انتخاب فرمت مدل خروجی
  • 38. بهینه‌سازی‌های کامپایلر
  • 39. تنظیمات سطح بهینه‌سازی
  • 40. استفاده از کامپایلر در خط لوله
  • 41. یکپارچه‌سازی با SageMaker Training
  • 42. یکپارچه‌سازی با SageMaker Processing
  • 43. یکپارچه‌سازی با SageMaker Pipelines
  • 44. استقرار مدل کامپایل شده
  • 45. ایجاد نقطه پایانی SageMaker
  • 46. استقرار در دستگاه‌های لبه
  • 47. استقرار در دستگاه‌های موبایل
  • 48. استقرار در دستگاه‌های IoT
  • 49. مدیریت مدل‌های مستقر شده
  • 50. نظارت بر عملکرد مدل
  • 51. تشخیص انحراف مدل
  • 52. به‌روزرسانی مدل‌های مستقر شده
  • 53. تکنیک‌های فشرده‌سازی مدل
  • 54. کوانتیزاسیون مدل
  • 55. هرس کردن مدل
  • 56. تقطیر دانش
  • 57. مقدمه‌ای بر فرمت ONNX
  • 58. تبدیل مدل‌ها به ONNX
  • 59. استفاده از ONNX Runtime
  • 60. مقدمه‌ای بر فرمت TensorFlow Lite
  • 61. تبدیل مدل‌ها به TensorFlow Lite
  • 62. استفاده از TensorFlow Lite Interpreter
  • 63. مقدمه‌ای بر فرمت Apache MXNet
  • 64. تبدیل مدل‌ها به MXNet
  • 65. استفاده از MXNet Runtime
  • 66. مدل‌های عمیق یادگیری
  • 67. شبکه‌های عصبی کانولوشنی (CNN)
  • 68. شبکه‌های عصبی بازگشتی (RNN)
  • 69. ترنسفورمرها
  • 70. بهینه‌سازی مدل‌های CNN
  • 71. بهینه‌سازی مدل‌های RNN
  • 72. بهینه‌سازی مدل‌های ترنسفورمر
  • 73. کاربردهای SageMaker Neo
  • 74. تشخیص تصویر
  • 75. پردازش زبان طبیعی
  • 76. سیستم‌های توصیه‌گر
  • 77. تحلیل سری‌های زمانی
  • 78. بهینه‌سازی برای دستگاه‌های خاص
  • 79. دستگاه‌های ARM
  • 80. دستگاه‌های x86
  • 81. پردازنده‌های گرافیکی (GPU)
  • 82. شتاب‌دهنده‌های هوش مصنوعی
  • 83. ملاحظات امنیتی در استقرار
  • 84. مدیریت دسترسی‌ها
  • 85. رمزگذاری داده‌ها
  • 86. نظارت بر لاگ‌ها
  • 87. بررسی موارد استفاده واقعی
  • 88. مطالعه موردی: بهینه‌سازی مدل تشخیص اشیاء
  • 89. مطالعه موردی: بهینه‌سازی مدل پردازش متن
  • 90. مطالعه موردی: بهینه‌سازی مدل پیش‌بینی فروش
  • 91. محدودیت‌های SageMaker Neo
  • 92. مدل‌های پشتیبانی نشده
  • 93. پلتفرم‌های هدف پشتیبانی نشده
  • 94. ملاحظات مربوط به هزینه‌ها
  • 95. مدیریت چرخه عمر مدل
  • 96. طراحی معماری راهکار
  • 97. پیاده‌سازی راهکار
  • 98. تست و ارزیابی نهایی
  • 99. بهبود مستمر راهکار
  • 100. مقدمه‌ای بر مهندسی یادگیری ماشین

📚 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.