سپنتا کتاب اکسپرس
کتاب بهینه‌سازی مدل‌های هوش مصنوعی با Amazon SageMaker Neo

کتاب بهینه‌سازی مدل‌های هوش مصنوعی 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 مدل‌های هوش مصنوعی با Amazon SageMaker Neo

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بهینه‌سازی و استقرار مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر بهینه سازی مدل های هوش مصنوعی
  • 2. مفاهیم اساسی یادگیری ماشین
  • 3. فرایند توسعه مدل های یادگیری ماشین
  • 4. معرفی Amazon SageMaker Neo
  • 5. هدف از بهینه سازی مدل ها
  • 6. مزایای استفاده از SageMaker Neo
  • 7. انواع مدل های پشتیبانی شده
  • 8. پشتیبانی از چارچوب های یادگیری ماشین
  • 9. چالش های استقرار مدل های یادگیری ماشین
  • 10. نیاز به بهینه سازی برای سخت افزارهای مختلف
  • 11. معرفی معماری SageMaker Neo
  • 12. کامپایل مدل ها برای سخت افزار هدف
  • 13. مراحل کامپایل مدل
  • 14. انتخاب سخت افزار هدف
  • 15. پشتیبانی از پردازنده های مختلف
  • 16. پشتیبانی از پردازنده های گرافیکی
  • 17. پشتیبانی از واحدهای پردازش تنسور
  • 18. بهینه سازی برای دستگاه های لبه
  • 19. بهینه سازی برای محیط های ابری
  • 20. نحوه بارگذاری مدل های آموزشی
  • 21. تنظیم پارامترهای کامپایل
  • 22. بررسی خروجی کامپایل
  • 23. مدیریت نسخه های مدل کامپایل شده
  • 24. استقرار مدل های کامپایل شده
  • 25. استقرار در SageMaker Endpoints
  • 26. استقرار در دستگاه های لبه
  • 27. استقرار در محیط های سفارشی
  • 28. نظارت بر عملکرد مدل های مستقر
  • 29. تست و ارزیابی مدل های بهینه شده
  • 30. سناریوهای استفاده از SageMaker Neo
  • 31. بهینه سازی مدل های پردازش تصویر
  • 32. بهینه سازی مدل های پردازش زبان طبیعی
  • 33. بهینه سازی مدل های توصیه گر
  • 34. بهینه سازی برای اینترنت اشیاء (IoT)
  • 35. ملاحظات امنیتی در استقرار مدل ها
  • 36. مدیریت هزینه ها در استفاده از SageMaker Neo
  • 37. مقایسه SageMaker Neo با ابزارهای دیگر
  • 38. بهینه سازی مصرف انرژی مدل ها
  • 39. کاهش تاخیر در پاسخگویی مدل ها
  • 40. افزایش توان عملیاتی مدل ها
  • 41. یادگیری ماشین بدون نظارت
  • 42. یادگیری ماشین با نظارت
  • 43. یادگیری تقویتی
  • 44. شبکه های عصبی کانولوشنال (CNN)
  • 45. شبکه های عصبی بازگشتی (RNN)
  • 46. ترنسفورمرها
  • 47. مدل های مولد
  • 48. مدل های تولید متن
  • 49. مدل های تولید تصویر
  • 50. مدل های تشخیص اشیاء
  • 51. مدل های تقسیم بندی تصویر
  • 52. مدل های طبقه بندی متن
  • 53. مدل های تشخیص احساسات
  • 54. مدل های ترجمه ماشینی
  • 55. مدل های خلاصه سازی متن
  • 56. مدل های عامل مکالمه ای
  • 57. مدل های تشخیص ناهنجاری
  • 58. مدل های پیش بینی سری زمانی
  • 59. مدل های مدل سازی گراف
  • 60. مدل های یادگیری فدرال
  • 61. مفاهیم اولیه یادگیری ماشین
  • 62. انواع داده ها در یادگیری ماشین
  • 63. پیش پردازش داده ها
  • 64. مهندسی ویژگی
  • 65. انتخاب مدل
  • 66. آموزش مدل
  • 67. ارزیابی مدل
  • 68. تنظیم ابرپارامترها
  • 69. اعتبارسنجی متقابل
  • 70. مدل های خطی
  • 71. درختان تصمیم
  • 72. جنگل های تصادفی
  • 73. ماشین های بردار پشتیبان (SVM)
  • 74. کی-نزدیکترین همسایه (KNN)
  • 75. تکنیک های کاهش ابعاد
  • 76. تجزیه مولفه های اصلی (PCA)
  • 77. توزیع یکنواخت همسایگان تصادفی (t-SNE)
  • 78. مفاهیم یادگیری عمیق
  • 79. توابع فعال سازی
  • 80. بهینه سازها
  • 81. تنظیم نرخ یادگیری
  • 82. تنظیم دسته ای (Batch Normalization)
  • 83. تکنیک های منظم سازی (Regularization)
  • 84. کاهش میزان خروجی (Dropout)
  • 85. تکنیک های افزایش داده (Data Augmentation)
  • 86. مدل های از پیش آموزش دیده (Pre-trained Models)
  • 87. تنظیم دقیق (Fine-tuning)
  • 88. انتقال یادگیری (Transfer Learning)
  • 89. استقرار مدل های یادگیری ماشین در تولید
  • 90. متریک های ارزیابی مدل های تولید
  • 91. مدیریت چرخه عمر مدل
  • 92. بازآموزی مدل ها
  • 93. پایش مدل های در حال اجرا
  • 94. ملاحظات اخلاقی در هوش مصنوعی
  • 95. حاکمیت هوش مصنوعی
  • 96. شفافیت و قابلیت توضیح پذیری مدل ها
  • 97. سوگیری در داده ها و مدل ها
  • 98. امنیت مدل های هوش مصنوعی
  • 99. مدل های هوش مصنوعی مسئولانه
  • 100. آینده هوش مصنوعی و 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.