مدیریت محصولات در یادگیری ماشینی

مدیریت محصولات و مفاهیم مرکزی UX در یادگیری ماشین و علوم اطلاعات از حیوانات خانگی و نوت بوک های ساده پایتون!

عنوان اصلی : Learn Machine Learning Product Management from Cats and Dogs

سرفصل های دوره :

مقدمه:
پیش نمایش اصلی پیش نمایش!
اصول یادگیری ماشین:
موارد استفاده عمده ML
سه نوع عمده ML
یادگیری غیرقابل پیش بینی
یادگیری نیمه نظارت
یادگیری تقویت
Operfitting و Underfitting
حلقه علمی داده:
فرآیند علم اطلاعات
Data Science Loop
حلقه اطلاعاتی به طور خاص
EX2: نقشه Data Science Loop را برای محصول خود نشان دهید!
مقایسه ML و تجزیه و تحلیل داده ها
strong> بررسی الگوریتم ها و رگرسیون خطی عمیق شیرجه رفتن:
الگوریتم های الگوریتم
بررسی رگرسیون خطی
رگرسیون خطی جوانان و منفی
نوت بوک رگرسیون خطی - مطالعه موردی در پیش بینی قیمت مسکن
Metrics Metrics:
Metrics Success Classification
Metrics Success General
EX3: متریک پس از موفقیت برای محصول شما!
یادگیری عمیق یادگیری:
مقدمه ای بر یادگیری عمیق (شبکه های عصبی کانولوشن)
یادگیری عمیق برنامه نویسی نوت بوک - مطالعه موردی در پیش بینی تصاویر سگ و گربه!
تجربه کاربر و ملاحظات تحقیقاتی برای محصولات ML! :
UX مسائل در ML
EX4: ملاحظات پست UX برای محصول ML شما
تست های تست محصول ML شما
نمادهای مفهومی تست محصول ML شما
عوامل دموگرافیک و روانشناختی در نظر گرفتن
نقشه راه تحقیق برای شما محصول ML
EX5: ارسال یک نقشه راه از محصول ML خود را!
سوالات کلیدی برای درخواست و قالب نقشه راه برای محصول ML خود:
ML سلب مسئولیت دوباره!
سوالات کلیدی برای درخواست تیم خود
چک لیست بخش های کلیدی برای شما نقشه راه ML
لطفا پایان دوره بررسی دوره را پر کنید! https://fords.gle/zhrcapgy8ljrqfy2
از شما سپاسگزارم برای شرکت در دوره!
سخنرانی پاداش - ارتباط با ما برای مشاوره / یادگیری در مورد رایگان نرم افزار EdTech!