در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره قدم به قدم کدنویسی و ساخت و کار با پروژه های یادگیری ماشینی را به کمک امکانات موجود در کلود آمازون وب سرویسز یاد می گیرید.
عنوان اصلی : AWS Machine Learning by Example
معرفی
خوش آمدی
آنچه قبل از تماشای این دوره باید بدانید
راه اندازی یک حساب AWS
1. مقدمه ای بر یادگیری ماشین
مروری بر یادگیری ماشین
یادگیری الگوریتم ها و فراپارامترها
مراحل یادگیری ماشین AWS
2. مدل باینری
کاوش مجموعه داده مدل باینری ما
آماده سازی داده های ما برای AWS
ایجاد یک منبع داده
در حال تایید طرح یادگیری ماشین AWS
ایجاد یک مدل طبقه بندی باینری
درک عملکرد پیش بینی مدل باینری
تنظیم عملکرد پیش بینی مدل باینری
استفاده از مدل طبقه بندی باینری برای تولید پیش بینی
ایجاد پیشبینی دستهای در یادگیری ماشینی AWS
پاکسازی محیط مدل طبقه بندی باینری
3. مدل چند کلاسه
کاوش مجموعه داده مدل چند کلاسه ما
آماده سازی داده های چند کلاسه
مدل یادگیری ماشین چند کلاسه AWS
پیش بینی و ارزیابی مدل یادگیری چند کلاسه
ایجاد پیش بینی برای AWS چند کلاسه
ایجاد پیشبینی دستهای چند کلاسه
تفسیر پیش بینی های دسته ای
محیط مدل چند کلاسه تمیز
4. مدل رگرسیون
کاوش مجموعه داده مدل رگرسیون ما
آماده سازی داده های رگرسیون
ایجاد یک مدل یادگیری ماشینی AWS
پیش بینی و ارزیابی یک مدل یادگیری ماشینی
پیش بینی دسته ای رگرسیون
محیط مدل رگرسیون تمیز
5. مروری بر سایر قابلیت های AWS
SageMaker، Deep Learning AMI، Apache MXNet
نتیجه
مراحل بعدی
AWS Machine Learning by Example
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
یادگیری پایتون از طریق حل چالش های معمول این زبان
PyTorch Essential Training: Deep Learning
آموزش بازگشت از بحران از دست دادن شغلی در زمینه تکنولوژی
Level Up: Advanced Python
دوره یادگیری کامل Apache PySpark
آموزش انجام پروژه های Deep Learning با OpenCV
آموزش استفاده از Docker در پروژه های Data Science
Apache Spark Deep Learning Essential Training
Tensorflow: کار با تصاویر
Docker for Data Scientists