سپنتا کتاب اکسپرس
کتاب آموزش جامع Amazon SageMaker برای توسعه‌دهندگان

کتاب آموزش جامع Amazon SageMaker برای توسعه‌دهندگان

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 جامع Amazon SageMaker برای توسعه‌دهندگان

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و استقرار مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. کاربردهای یادگیری ماشین در صنعت
  • 5. معرفی Amazon SageMaker
  • 6. معماری Amazon SageMaker
  • 7. اجزای اصلی SageMaker
  • 8. محیط توسعه SageMaker Studio
  • 9. مدیریت داده در SageMaker
  • 10. ذخیره‌سازی داده برای یادگیری ماشین
  • 11. Amazon S3 برای داده‌های آموزشی
  • 12. Amazon FSx for Lustre
  • 13. Amazon EFS
  • 14. آماده‌سازی و پاکسازی داده
  • 15. تحلیل اکتشافی داده (EDA)
  • 16. مهندسی ویژگی
  • 17. انتخاب ویژگی
  • 18. تبدیل داده‌ها
  • 19. مدل‌سازی در SageMaker
  • 20. انتخاب الگوریتم مناسب
  • 21. آموزش مدل‌های یادگیری ماشین
  • 22. هایپرپارامترها و تنظیم آن‌ها
  • 23. بهینه‌سازی هایپرپارامترها با SageMaker
  • 24. توسعه مدل‌های یادگیری عمیق
  • 25. شبکه‌های عصبی کانولوشنی (CNN)
  • 26. شبکه‌های عصبی بازگشتی (RNN)
  • 27. استفاده از فریم‌ورک‌های یادگیری عمیق
  • 28. TensorFlow در SageMaker
  • 29. PyTorch در SageMaker
  • 30. مدیریت چرخه عمر مدل
  • 31. نسخه‌بندی مدل‌ها
  • 32. بازبینی و اعتبارسنجی مدل
  • 33. استقرار مدل در SageMaker
  • 34. انواع استقرار مدل
  • 35. استقرار مدل برای پیش‌بینی بلادرنگ
  • 36. استقرار مدل برای پردازش دسته‌ای
  • 37. بهینه‌سازی عملکرد مدل مستقر شده
  • 38. نظارت بر مدل‌های مستقر شده
  • 39. تشخیص انحراف داده (Data Drift)
  • 40. تشخیص انحراف مدل (Model Drift)
  • 41. بازآموزی مدل‌ها
  • 42. اتوماسیون خطوط لوله ML (ML Pipelines)
  • 43. ساخت خطوط لوله ML با SageMaker Pipelines
  • 44. مدیریت خطوط لوله
  • 45. اجرای خطوط لوله
  • 46. نظارت بر خطوط لوله
  • 47. امنیت در Amazon SageMaker
  • 48. مدیریت دسترسی و مجوزها
  • 49. رمزنگاری داده‌ها
  • 50. امنیت شبکه
  • 51. حفاظت از مدل‌ها
  • 52. کاربردهای پیشرفته در SageMaker
  • 53. یادگیری تقویتی با SageMaker
  • 54. یادگیری فدرال با SageMaker
  • 55. پردازش زبان طبیعی (NLP) با SageMaker
  • 56. بینایی ماشین با SageMaker
  • 57. سیستم‌های توصیه‌گر با SageMaker
  • 58. تجزیه و تحلیل سری‌های زمانی با SageMaker
  • 59. مدل‌سازی پیش‌بینانه
  • 60. مدیریت هزینه در SageMaker
  • 61. بهینه‌سازی منابع محاسباتی
  • 62. استفاده از نمونه‌های Spot
  • 63. مدیریت داده‌های حجیم
  • 64. بهبود کارایی خطوط لوله
  • 65. نکات و ترفندهای SageMaker
  • 66. بهترین شیوه‌ها برای توسعه ML
  • 67. اشکال‌زدایی و رفع خطا در SageMaker
  • 68. تست مدل‌ها
  • 69. مستندسازی پروژه‌های ML
  • 70. همکاری تیمی در SageMaker
  • 71. مقدمه‌ای بر مفاهیم اقتصاد داده
  • 72. مدیریت داده در سازمان
  • 73. تحلیل داده‌های کسب‌وکار
  • 74. بصری‌سازی داده‌ها
  • 75. استفاده از داده برای تصمیم‌گیری استراتژیک
  • 76. اصول حاکمیت داده
  • 77. استانداردهای کیفیت داده
  • 78. مدیریت ریسک در پروژه‌های ML
  • 79. اخلاق در هوش مصنوعی
  • 80. مسئولیت‌پذیری در ML
  • 81. شفافیت در مدل‌ها
  • 82. حریم خصوصی داده‌ها
  • 83. مطابقت با مقررات داده
  • 84. مقدمه‌ای بر یادگیری ماشین توزیع‌شده
  • 85. چالش‌های یادگیری ماشین در مقیاس بزرگ
  • 86. روش‌های آموزش توزیع‌شده
  • 87. پیاده‌سازی آموزش توزیع‌شده در SageMaker
  • 88. کاربرد یادگیری ماشین در امور مالی اسلامی
  • 89. بانکداری بدون ربا و یادگیری ماشین
  • 90. مدیریت ریسک اعتباری با ML
  • 91. شناسایی تقلب با ML
  • 92. پیش‌بینی بازار با ML
  • 93. احکام شرعی مرتبط با معاملات مالی
  • 94. مقدمه‌ای بر اخلاق حرفه‌ای توسعه‌دهندگان
  • 95. مسئولیت‌های اخلاقی در قبال جامعه
  • 96. تأثیر فناوری بر جامعه
  • 97. نگرش اسلامی به علم و فناوری
  • 98. توسعه پایدار و نقش ML
  • 99. کاربرد ML در بهینه‌سازی مصرف انرژی
  • 100. کاربرد ML در کشاورزی هوشمند

📚 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.