در حال حاضر محصولی در سبد خرید شما وجود ندارد.
با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با آژور یاد می گیرید.
عنوان اصلی : Create and Publish Pipelines for Batch Inferencing with Azure
بررسی اجمالی دوره
پیش نیازهای دوره و طرح کلی
آموزش ماشینی Azure را معرفی می کنیم
مجموعه داده ها در Azure ML
شرایط و مفاهیم Azure ML
نسخه ی نمایشی: ایجاد یک فضای کاری Azure ML
نسخه ی نمایشی: یک خوشه محاسباتی ایجاد کنید
نسخه ی نمایشی: کاوش در طراح
نسخه ی نمایشی: بارگیری و پیکربندی یک مجموعه داده
نسخه ی نمایشی: خلاصه کردن یک مجموعه داده
نسخه ی نمایشی: اجرای خط لوله
گردش کار رایج یادگیری ماشین
نسخه ی نمایشی: علامت گذاری ستون ها به عنوان دسته بندی
نسخه ی نمایشی: مدیریت داده های از دست رفته
نسخه ی نمایشی: استفاده از رمزگذاری تک داغ
نسخه ی نمایشی: استانداردسازی فیلدهای عددی
نسخه ی نمایشی: ایجاد مجموعه های آموزشی و آزمایشی
نسخه ی نمایشی: آموزش و ارزیابی یک مدل
نسخه ی نمایشی: بررسی معیارهای ارزیابی
تنظیم فراپارامتر
نسخه ی نمایشی: پیاده سازی تنظیم Hyperparameter
نسخه ی نمایشی: ارزیابی ترکیب هایپرپارامترها
خطوط لوله استنتاج دسته ای
نسخه ی نمایشی: بازسازی یک خط لوله آموزشی مدل
نسخه ی نمایشی: ایجاد و تجزیه و تحلیل یک خط لوله استنتاج دسته ای
نسخه ی نمایشی: انتشار و اجرای خط لوله استنتاج دسته ای
خطوط لوله استنتاج در Azure ML
نسخه ی نمایشی: ایجاد خط لوله برای استنتاج
نسخه ی نمایشی: پیکربندی و آزمایش یک خط لوله استنتاج
نسخه ی نمایشی: استقرار یک خط لوله استنتاج
نسخه ی نمایشی: مصرف خط لوله استنتاج
خلاصه و مطالعه بیشتر
Create and Publish Pipelines for Batch Inferencing with Azure
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.
Extracting Insights from Data with Databricks SQL
Connecting to SQL Server from Databricks
کورس کدنویسی Azure Databricks
کورس پیشرفته Google Dataflow
کورس پیشرفته BigQuery
کورس شناخت نیازمندیهای Document Database ها
آموزش معماری Document Storage برای Couchbase
کورس یادگیری کامل BigQuery
آموزش ویرایش داده های درون Couchbase بوسیله N1QL
مدیریت و مدیریت سرویس Databricks