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 آی تی یاد می گیرید.
عنوان اصلی : Applied AI for IT Operations
معرفی:
هوش مصنوعی و کاربردهای فراوان آن
آنچه شما باید بدانید
1. عملیات فناوری اطلاعات و هوش مصنوعی:
مقدمه ای بر عملیات IT
چالش های عملیات فناوری اطلاعات
عملیات هوش مصنوعی و فناوری اطلاعات
مروری بر موارد استفاده عملیات IT
تنظیم فایل های تمرین
2. استفاده از مورد 1: تجزیه و تحلیل علت ریشه:
تحلیل علت ریشه ای چیست؟
طبقه بندی با یادگیری عمیق
داده ها برای تجزیه و تحلیل علت ریشه (RCA)
پیش پردازش داده های RCA
ساخت مدل طبقه بندی با Keras
پیش بینی علل ریشه ای با Keras
3. استفاده از مورد 2: میز خدمات خودیاری:
خودکار کردن عملکردهای میز کمک
تحلیل معنایی پنهان (LSA) و نمایه سازی معنایی پنهان (LSI)
داده ها برای میز کمک
ساخت وکتور سند
ایجاد مدل LSI
توصیه سوالات متداول
4. استفاده از مورد 3: پیش بینی بار سرویس:
پیش بینی سری های زمانی
شبکه عصبی بازگشتی (RNN) و حافظه کوتاه مدت (LSTM)
آماده سازی داده های توالی
ساخت مدل LSTM با Keras
تست مدل سری زمانی
پیش بینی بارهای خدمات آتی با Keras
5. سایر موارد استفاده از عملیات فناوری اطلاعات:
تشخیص ناهنجاری
پیش بینی هشدار
دسته بندی حوادث
فیلتر اسپم
تجزیه و تحلیل ترافیک شبکه
6. بهترین روش های IT Ops:
بهترین شیوه های توسعه مدل
استفاده از پلتفرم های یادگیری ماشینی
مدل ارائه بهترین شیوه ها
بهترین شیوه های امنیت و حفظ حریم خصوصی
نتیجه:
مراحل بعدی
Applied AI for IT Operations
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 عمیق: بهینه سازی و تنظیم مدل
MLOps Essentials: Monitoring Model Drift and Bias
آموزش پردازش استریم ها بوسیله Kafka Streams
معماری برنامه های کاربردی داده های بزرگ
Apache Kafka Essential Training: Building Scalable Applications
Processing Text with Python Essential Training
آموزش الگوهای پردازش Stream ها بوسیله Apache Flink
معماری برنامه های بیگ دیتا: مهندسی برنامه Real-Time
آموزش مهندسی داده دسته ای با Apache Flink
Apache Spark Essential آموزش: مهندسی داده های بزرگ