در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

آموزش کدنویسی AWS SageMaker و راه اندازی یادگیری ماشینی در آن به کمک Python

آموزش کدنویسی AWS SageMaker و راه اندازی یادگیری ماشینی در آن به کمک Python

10,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

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.

با مشاهده این دوره آموزشی با آمازون سیج میکر آشنا شده و قدم به قدم یاد می گیرید که چطور به کمک زبان پایتون و آن پروژه های Machine Learning را در کلود آمازون وب سرویسز پیاده سازی کنید. 

عنوان اصلی : 2019 AWS SageMaker and Machine Learning - With Python

سرفصل ها :

 معرفی و خانه داری:
معرفی راه اندازی حساب ریشه و حسابداری داشبورد نمای کلی دسترسی به صدور صورت حساب داده ها برای کاربران IAM فعال ایجاد کاربران مورد نیاز برای دوره راه اندازی و خلاصه AWS رابط خط فرمان ابزار شش مزایای استفاده از ابر رایانه نمای کلی زیرساخت AWS جهانی در 2019 SageMaker خانه داری: منابع دانلود نسخه ی نمایشی - S3 سطل راه اندازی نسخه ی نمایشی - راه اندازی SageMaker نوت بوک نمونه 2019 نسخه ی نمایشی - کد منبع و راه اندازی داده در 2019 مفاهیم یادگیری ماشین: 2019 یادگیری ماشین، مفاهیم، ​​اصطلاحات 2019 انواع داده - چگونه که مسئولیت رسیدگی به انواع داده های مخلوط 2019 مقدمه ای بر محیط زیست نوت بوک پایتون 2019 آشنایی با کار با دادههای گمشده 2019 داده تجسم - خطی، ورود، درجه دوم و بیشتر در 2019 SageMaker خدمات بررسی اجمالی: منابع دانلود SageMaker نمای کلی خانواده محاسبه نمونه و قیمت گذاری الگوریتم ها و داده فرمت های پشتیبانی شده برای آموزش و استنتاج به XGBoost - گرادیان درختان افزایش: مقدمه به XGBoost کد منبع نمای کلی نسخه ی نمایشی - ایجاد فایل های در SageMaker قالب های اطلاعات و ذخیره فایل ها به S3 نسخه ی نمایشی - کار با XGBoost - خطی رگرسیون خط راست متناسببا نسخه ی نمایشی - به عنوان مثال XGBoost با درجه دوم مناسب نسخه ی نمایشی - Kaggle دوچرخه اجاره راه اندازی داده، اکتشاف و آماده سازی نسخه ی نمایشی - Kaggle دوچرخه اجاره مدل نسخه 1 نسخه ی نمایشی - Kaggle دوچرخه اجاره مدل نسخه 2 نسخه ی نمایشی - Kaggle دوچرخه اجاره مدل نسخه 3 نسخه ی نمایشی - آموزش SageMaker ابر - Kaggle دوچرخه اجاره مدل نسخه 3 نسخه ی نمایشی - پیش بینی استناد SageMaker مدل نقطه انتهایی برای زمان واقعی نسخه ی نمایشی - با استناد به SageMaker مدل نقطه انتهایی از خارج مشتری از AWS چگونه برای حذف نقاط پایانی SageMaker و نمونه خاموش کردن نوت بوک ایجاد نقطه پایانی از موجود آثار مدل XGBoost بیش از حد پارامتر تنظیم نسخه ی نمایشی - XGBoost چند کلاس طبقه بندی جنس زنبق و سوسن داده نسخه ی نمایشی - پیش بینی XGBoost دودویی طبقه بندی برای دیابت نسخه ی نمایشی - XGBoost دودویی طبقه بندی برای خوراکی پیش بینی قارچ خلاصه - XGBoost به SageMaker - تجزیه و تحلیل مولفه اصلی (PCA): منابع دانلود مقدمه ای بر آنالیز اجزای اصلی (PCA) PCA نسخه ی نمایشی نمای کلی نسخه ی نمایشی - PCA با مجموعه داده های تصادفی نسخه ی نمایشی - PCA با همبسته مجموعه داده منابع پاکسازی در SageMaker نسخه ی نمایشی - PCA با Kaggle دوچرخه به اشتراک گذاری - بررسی اجمالی و عادی نسخه ی نمایشی - PCA مدل محلی با Kaggle دوچرخه قطار نسخه ی نمایشی - آموزش PCA با SageMaker نسخه ی نمایشی - پروجکشن PCA با SageMaker ورزش: Kaggle دوچرخه قطار و PCA
خلاصه به SageMaker - تجزیه ماشین آلات: منابع دانلود مقدمه به تجزیه ماشین آلات MovieLens مجموعه داده

نسخه ی نمایشی - فیلم توصیهگر آماده سازی داده ها نسخه ی نمایشی - فیلم توصیهگر مدل آموزش پیش بینی فیلم توسط کاربر - نسخه ی نمایشی از SageMaker - پیش بینی زمان DeepAR سری: منابع دانلود مقدمه به پیش بینی سری زمانی DeepAR DeepAR آموزش و استنتاج فرمت کار با سری زمانی داده ها، سیستم های انتقال مواد ارزش از دست رفته نسخه ی نمایشی - اجاره دوچرخه به عنوان سری زمانی مشکل پیش بینی نسخه ی نمایشی - دوچرخه اجاره آموزش مدل نسخه ی نمایشی - دوچرخه پیش بینی اجاره نسخه ی نمایشی - DeepAR دسته بندی ها نسخه ی نمایشی - ویژگی های DeepAR پویا آماده سازی داده ها نسخه ی نمایشی - ویژگی های DeepAR پویا آموزش و پیش بینی
خلاصه از 2019 گزینه های ادغام - مدل نقطه پایانی: منابع دانلود ادغام نمای کلی نصب پایتون و Boto3 - ماشین محلی نصب SageMaker SDK، دستگاه گوارش مشتری، کد منبع، مجوز امنیتی مشتری
برای نقطه پایانی با استفاده از SageMaker SDK مشتری
برای نقطه پایانی با استفاده از Boto3 SDK میکروسرویسها - لامبدا به نقطه پایانی - بار میکروسرویسها - لامبدا به نقطه پایانی میکروسرویسها - API دروازه، لامبدا به نقطه پایانی از 2019 SageMaker HyperParameter تنظیم: منابع دانلود مقدمه به Hyperparameter تنظیم آزمایشگاه: تنظیم فیلم امتیاز تجزیه ماشین سیستم پیشنهاد آزمایشگاه: مرحله 2 تنظیم فیلم امتیاز سیستم پیشنهاد از AWS ماشین یادگیری خدمات: 2019 مارس - به روز رسانی مهم: AWS یادگیری ماشین خدمات منسوخ محیط زیست و توسعه پایتون و راه اندازی Boto3 پروژه کد منبع و راه اندازی داده آزمایشگاه: معرفی به پایتون Jupyter نوت بوک محیط زیست، پاندا، کتابخانه متپلات آزمایشگاه: AWS S3 سطل راه اندازی و پیکربندی امنیت
خلاصه مقدمه و خانه نگه داشتن امتحان
5 سوال اختیاری: یادگیری ماشین از کجا شروع (مقاله) یادگیری ماشین اصطلاحات انواع
دادههای پشتیبانی شده توسط AWS یادگیری ماشین خطی رگرسیون مقدمه دودویی بندی مقدمه Multiclass بندی مقدمه
دادههای تجسم - خطی، ورود، درجه دوم و بیشتر الگوریتم اصطلاحات و امتحان 10 سوال از رگرسیون خطی: آزمایشگاه: مدل خطی، مربع تابع از دست دادن خطا، تصادفی گرادیان هبوط آزمایشگاه: رگرسیون خطی برای اشکال پیچیده
خلاصه خطی رگرسیون امتحان
5 سوال از AWS - مدل های رگرسیون خطی: آزمایشگاه: ساده آموزش داده آزمایشگاه: منبع داده ها آزمایشگاه: مدل قطار با دستور به طور پیش فرض مدل AWS امتحان 7 سوال مفهوم - چگونه به ارزیابی دقت مدل رگرسیون؟ آزمایشگاه: ارزیابی کیفیت پیش بینی مدل های آموزش دیده آزمایشگاه: نقد و بررسی تنظیمات پیش فرض دستور العمل های مورد استفاده در مدل برای آموزش آزمایشگاه: آموزش مدل با دستور العمل های سفارشی و نقد و بررسی عملکرد مدل عملکرد چکیده و نتیجه AWS رگرسیون متریک امتحان

7 سوال به اضافه کردن ویژگی های بهبود مدل: آزمایشگاه: درجه دوم مناسب داده های آموزش آزمایشگاه: ویژگی های Underfitting با خطی آزمایشگاه: عادی مناسب با درجه دوم ویژگی های
خلاصه از عادی: آزمایشگاه: تاثیر ویژگی های با بزرگی های مختلف مفهوم: عادی به صاف و صیقلی تفاوت بزرگی آزمایشگاه: آموزش مدل با ویژگی Normalizaton
خلاصه Underfitting و نرمال امتحان
4 سوال به اضافه کردن ویژگی های مجتمع: آزمایشگاه: آماده آموزش داده آزمایشگاه: اضافه کردن ویژگی های مجتمع آزمایشگاه: آموزش مدل با عالی سفارش ویژگی های آزمایشگاه: عملکرد مدل با درجه 1 ویژگی های آزمایشگاه: عملکرد مدل با درجه 4 ویژگی آزمایشگاه: عملکرد مدل با درجه 15 ویژگی
خلاصه از Kaggle دوچرخه پیش بینی ساعتی اجاره: نظر Kaggle دوچرخه قطار مشکل و مجموعه داده آزمایشگاه: آموزش مدل برای پیش بینی اجاره ساعتی آزمایشگاه: ارزیابی کیفیت پیش بینی خطی رگرسیون Wrapup و خلاصه از رگرسیون لجستیک: دودویی رده بندی - رگرسیون لجستیک، تابع از دست دادن، بهینه سازی آزمایشگاه: روش طبقه بندی دودویی درست مثبت، منفی درست، غلط مثبت و منفی کاذب آزمایشگاه: اهداف لجستیک بهینه سازی آزمایشگاه: تابع هزینه لجستیک آزمایشگاه: هزینه به عنوان مثال وزن بهینه سازی
خلاصه رگرسیون لجستیک امتحان
5 سوال از شروع پیش بینی دیابت: مشکل عینی، داده های ورودی و استراتژی آزمایشگاه: آماده شدن برای آموزش آزمایشگاه: آموزش یک مدل طبقه بندی مفهوم: طبقه بندی متریک مفهوم: طبقه بندی بینش با AWS نمودار هیستوگرام مفهوم: AUC متریک آزمایشگاه: نقد و بررسی دیابت مدل عملکرد آزمایشگاه: قطع جریان آستانه تعاملی تست آزمایشگاه: ارزیابی کیفی پیش بینی با مجموعه داده های اضافی آزمایشگاه: پیش بینی دسته ای و محاسبه متریک
خلاصه رگرسیون لجستیک متریک امتحان
4 سوال از Multiclass طبقه بندی با استفاده از چند جمله رگرسیون لجستیک: آزمایشگاه: جنس زنبق و سوسن Classifcation آزمایشگاه: آموزش های طبقه بندی با پیش فرض و دستور العمل های سفارشی مفهوم: بررسی پیش بینی کیفیت Multiclass طبقه بندی مفهوم: سردرگمی ماتریس برای ارزیابی پیش بینی کیفیت آزمایشگاه: ارزیابی عملکرد زنبق طبقه بندی با استفاده از دستور العمل پیش فرض آزمایشگاه: ارزیابی عملکرد زنبق طبقه بندی با استفاده از دستور العمل های سفارشی آزمایشگاه: پیش بینی دسته ای و محاسبات متریک با استفاده از کد پایتون
خلاصه طبقه بندی بر اساس در متن با AWS توییتر مجموعه داده: در طبقه بندی خوراک AWS توییتر برای خدمات به مشتریان آزمایشگاه: قطار، ارزیابی مدل و ارزیابی پیش بینی کیفیت آزمایشگاه: پیش بینی های تعاملی با AWS رگرسیون لجستیک خلاصه به انتقال داده ها با استفاده از دستور:

مرورگر دستور العمل
دستور دستور العمل
تبدیل متن
تحول عددی - کمیسیون کوانتومی
تبدیل عددی - عادی سازی
تحول محصول دکارتی - طبقه بندی و متن
خلاصه پارامترهای Hyper، بهینه سازی مدل و چرخه عمر:
معرفی
بازنگری داده ها، حداکثر اندازه مدل، گذرگاه، نوع زوج
Regularization، نرخ یادگیری
Regularization اثر
بهبود کیفیت مدل
نگهداری مدل
AWS Machine Learning System Limits
AWS قیمت یادگیری ماشین ادغام یادگیری AWS ماشین با استفاده از برنامه شما:
معرفی
یکپارچه سازی سناریوهای
امنیت با استفاده از IAM
آزمایشگاه دستکاری - فهرست نسخه ی نمایشی و هدف
LAB: فعال کردن نقطه پایان زمان واقعی و پیکربندی IAM پیش بینی کاربر
LAB: پیش بینی پیش بینی از رابط خط فرمان AWS
Lab: پیش بینی پیش بینی از مشتری پایتون
آزمایشگاه: مشتری پایتون برای آموزش، ارزیابی مدل ها و ادغام با AWS
LAB: پیش بینی فراخوانی از صفحه وب AngularJS Client
نسخه ی نمایشی اجازه می دهد پیش بینی فقط برای کاربران ثبت نام شده
Overview Cognito
LAB: پیکربندی استخر کاربر Cognito
LAB: AngularJS Web Client - پیش بینی پیش بینی برای کاربران مجاز
LAB: سرویس یادگیری ماشین را از AWS EC2 استفاده کنید
خلاصه تکالیف - مشکلات اضافی:
طبقه بندی قارچ نتیجه گیری:
پاداش: تکنیک های پردازش داده های پیشرفته، محاسبات ابری و بیشتر را یاد بگیرید
نتیجه گیری