−꞊≡   به مناسبت افتتاح سایت 30% تخفیف بر روی تمامی آموزشها (به مدت محدود)  

logo mix

آموزش ساخت مدل‌های یادگیری عمیق بر روی Databricks (زیرنویس فارسی AI)
Building Deep Learning Models on Databricks
مدرس:
Janani Ravi
با زیرنویس:
فارسی و انگلیسی
تاریخ انتشار:
1401/9/25
( 2022-12-16 )
از پربازدیدترین ها
از پرفروش‌‌ ترین‌ها
فارسی کلاس

در این دوره آموزشی، آموزش مدل‌های شبکه عصبی با استفاده از TensorFlow و PyTorch، انجام آموزش توزیع شده با استفاده از فریم ورک Horovod و تنظیم هایپرپارامتر با استفاده از Hyperopt را خواهید آموخت.
آنچه خواهید آموخت: 
Databricks Data Lakehouse پلتفرم یک محیط مدیریت شده برای آموزش و مقایسه مدل‌های یادگیری عمیق شما، انجام تنظیم هایپرپارامتر، و تولید و ارائه مدل‌های شما ارائه می‌دهد.

سطح آموزشی
خرید آنلاین و دانلود فوری
به همراه فایلهای تمرین
ویدئوهای آموزشی با زیرنویس
ویدئوهای آموزشی با زیرنویس فارسی
کیفیت HD ویدئوهای آموزشی
قابل استفاده برای ناشنوایان
 
 
 

نمونه ویدیوی آموزشی ( زیرنویس‌ها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :

 

[ENGLISH]

01 Course Overview [2mins]
01-01 Course Overview [2mins]

02 Introducing MLflow on Databricks [16mins]
02-01 Prerequisites and Course Outline [2mins]
02-02 The Databricks Machine Learning Runtime [6mins]
02-03 Introducing MLflow [8mins]

03 Implementing Deep Learning Models Using TensorFlow and Keras [62mins]
03-01 Quick Overview of TensorFlow and Keras [4mins]
03-02 Demo- Setting up the Databricks Environment [6mins]
03-03 Demo- Exploring and Preprocessing Data [5mins]
03-04 Demo- Training a Regression Model Using TensorFlow [3mins]
03-05 Demo- Autologging Model Parameters [8mins]
03-06 Demo- Comparing Multiple Model Runs [6mins]
03-07 Demo- Using Bamboolib for Loading and Exploring Data [5mins]
03-08 Demo- Data Cleaning Using Bamboolib - I [4mins]
03-09 Demo- Data Cleaning Using Bamboolib - II [4mins]
03-10 Demo- Preprocessing Data for Deep Learning [2mins]
03-11 Demo- Training Multiple Models Using Multiple Runs [5mins]
03-12 Demo- Registering Models and Specifying Stages [3mins]
03-13 Demo- Creating a Delta Table for Batch Inference [3mins]
03-14 Demo- Using Model for Batch Inference [4mins]

04 Implementing Deep Learning Models Using PyTorch [47mins]
04-01 A Quick Overview of PyTorch [4mins]
04-02 Demo- Preprocessing Data for Classification [4mins]
04-03 Demo- Training a PyTorch Model Using MLflow Tracking [8mins]
04-04 Demo- Use Classic Serving to Serve Model Predictions [7mins]
04-05 Demo- Loading Image Data for Classification [3mins]
04-06 Demo- Training a PyTorch Image Classification Model [5mins]
04-07 Horovod for Distributed Training [3mins]
04-08 Demo- Setting up Functions for Single Node Training [7mins]
04-09 Demo- Performing Distributed Training Using the Horovod Runner [6mins]

05 Hyperparameter Tuning Using Hyperopt [21mins]
05-01 Understanding Hyperparameters [2mins]
05-02 Hyperopt for Hyperparameter Tuning [5mins]
05-03 Demo- Hyperparameter Tuning Using Hyperopt [8mins]
05-04 Demo- Training the Model with the Best Parameters [5mins]
05-05 Summary and Further Study [1mins]

[فارسی]

01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]

02 معرفی MLflow در Databricks [16 دقیقه]
02-01 پیش نیازها و خلاصه دوره [2 دقیقه]
02-02 زمان اجرای یادگیری ماشین Databricks [6 دقیقه]
02-03 معرفی MLflow [8 دقیقه]

03 پیاده‌سازی مدل‌های یادگیری عمیق با استفاده از TensorFlow و Keras [62 دقیقه]
03-01 بررسی اجمالی سریع TensorFlow و Keras [4 دقیقه]
03-02 نسخه‌ی نمایشی- تنظیم محیط Databricks [6 دقیقه]
03-03 نسخه‌ی نمایشی- کاوش و پیش پردازش داده‌ها [5 دقیقه]
03-04 نسخه‌ی نمایشی- آموزش یک مدل رگرسیون با استفاده از TensorFlow [3 دقیقه]
03-05 نسخه آزمایشی- تنظیم خودکار پارامترهای مدل [8 دقیقه]
03-06 نسخه‌ی نمایشی- مقایسه اجراهای چند مدل [6 دقیقه]
03-07 نسخه‌ی نمایشی- استفاده از Bamboolib برای بارگیری و کاوش داده‌ها [5 دقیقه]
03-08 نسخه‌ی نمایشی- پاک کردن داده‌ها با استفاده از Bamboolib - I [4 دقیقه]
03-09 نسخه‌ی نمایشی- پاک کردن داده‌ها با استفاده از Bamboolib - II [4 دقیقه]
03-10 نسخه‌ی نمایشی- پیش پردازش داده‌ها برای یادگیری عمیق [2 دقیقه]
03-11 نسخه‌ی نمایشی- آموزش چندین مدل با استفاده از دویدن‌های متعدد [5 دقیقه]
03-12 نسخه‌ی نمایشی- ثبت مدل‌ها و مشخص کردن مراحل [3 دقیقه]
03-13 نسخه‌ی نمایشی- ایجاد یک جدول دلتا برای استنتاج دسته‌ای [3 دقیقه]
03-14 نسخه‌ی نمایشی- استفاده از مدل برای استنتاج دسته‌ای [4 دقیقه]

04 پیاده‌سازی مدل‌های یادگیری عمیق با استفاده از PyTorch [47 دقیقه]
04-01 مروری سریع بر PyTorch [4 دقیقه]
04-02 نسخه‌ی نمایشی- پیش پردازش داده‌ها برای طبقه‌بندی [4 دقیقه]
04-03 نسخه‌ی نمایشی- آموزش یک مدل PyTorch با استفاده از ردیابی MLflow [8 دقیقه]
04-04 نسخه‌ی نمایشی- از سرویس کلاسیک برای ارائه پیش بینی‌های مدل استفاده کنید [7 دقیقه]
04-05 نسخه‌ی نمایشی- بارگیری داده‌های تصویر برای طبقه‌بندی [3 دقیقه]
04-06 نسخه‌ی نمایشی- آموزش یک مدل طبقه‌بندی تصویر PyTorch [5 دقیقه]
04-07 هوروود برای آموزش توزیع شده [3 دقیقه]
04-08 نسخه‌ی نمایشی- تنظیم توابع برای آموزش تک گره [7 دقیقه]
04-09 نسخه‌ی نمایشی- اجرای تمرین توزیع شده با استفاده از Horovod Runner [6 دقیقه]

05 تنظیم فراپارامتر با استفاده از Hyperopt [21 دقیقه]
05-01 درک فراپارامترها [2 دقیقه]
05-02 Hyperopt برای تنظیم Hyperparameter [5 دقیقه]
05-03 نسخه‌ی نمایشی- تنظیم Hyperparameter با استفاده از Hyperopt [8 دقیقه]
05-04 نسخه‌ی نمایشی- آموزش مدل با بهترین پارامترها [5 دقیقه]
05-05 خلاصه و مطالعه بیشتر [1 دقیقه]

 

مشخصات این آموزش
تولید کننده محتوا
PLURALSIGHT - پلورال سایت
تولید زیرنویس فارسی
فارسی کلاس farsiclass.ir
مدرس
Janani Ravi
جانانی راوی
تاریخ انتشار
1401/9/25
2022-12-16
سطح آموزش
متوسط
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه توسط هوش مصنوعی (AI)
مدت زمان آموزش
2ساعت و 29دقیقه
تعداد ویدیو‌ها
32 ویدیو
حجم فایل‌ها
356 مگابایت دانلود با تعرفه نیم بها
زمان تقریبی دانلود فایل‌ها
6 دقیقه (با سرعت 1 مگابایت در ثانیه)
کد آموزش در سایت
FP1105
تعداد بازدید : 555
اشتراک آموزش در تلگرام پلورال_ آموزش ساخت مدل‌های یادگیری عمیق بر روی Databricks (زیرنویس فارسی AI)
79,000 تومان
55,300 تومان
اضافه به سبد خرید add_shopping_cart

Janani Ravi
جانانی راوی

تعداد دوره‌های آموزشی این مدرس: 21

جانانی دارای مدرک کارشناسی ارشد از استنفورد است و بیش از 7 سال در گوگل کار کرده است. او یکی از مهندسان اصلی Google Docs بود و دارای 4 پتنت برای فریمورک‌ ویرایش مشارکتی بلادرنگ آن است. جانانی پس از گذراندن سال‌ها کار در فناوری در منطقه خلیج، نیویورک و سنگاپور در شرکت‌هایی مانند مایکروسافت، گوگل و فلیپ‌کارت، سرانجام تصمیم گرفت عشق خود به فناوری را با علاقه‌اش به تدریس ترکیب کند. او اکنون یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت‌های فنی متمرکز است. Loonycorn در حال کار بر روی توسعه یک موتور (پتنت ثبت شده) برای خودکارسازی انیمیشن‌ها برای ارائه‌ها و محتوای آموزشی است.

جدیدترین آموزشهای مرتبط

تمامی زیرنویس‌های فارسی و مطالب ترجمه شده در سایت، بطور انحصاری متعلق به فارسی کلاس بوده و هر گونه کپی‌ برداری و یا استفاده از آنها به هر شکلی در سایتها یا برنامه‌های دیگر پیگرد قانونی دارد
logo-samandehi