در کنار تجربه کاری خوب و دانش در مورد نحوه آموزش و ارزیابی مدلها، باید درک خوبی از همه الگوریتمهای ML ارائه شده توسط AWS داشته باشید. این دوره به شما موارد استفاده از الگوریتمهای داخلی ارائه شده توسط AWS را آموزش میدهد.
آنچه یاد خواهید گرفت:
پیشرو بودن در مورد زیرساختهای ابری، وقتی صحبت از یادگیری ماشینی به میان میآید، AWS دارای خدمات پیشرفتهای است. در این دوره آموزشی، مدلسازی با یادگیری ماشینی AWS، یاد خواهید گرفت که دادههای خود را به یک مدل بهینه با استفاده از AWS SageMaker تبدیل کنید. ابتدا، الگوریتمهای یادگیری تحت نظارت و بدون نظارت را که در حساب AWS شما تعبیه شدهاند را بررسی میکنید و یاد میگیرید که چگونه آنها را برای یک مشکل تجاری خاص اعمال کنید. در مرحله بعد، معماری شبکههای عصبی یادگیری عمیق و الگوریتمهای داخلی ارائه شده توسط AWS را که به طور خاص به بینایی کامپیوتر و دامنه پردازش زبان ارائه میشود، کشف خواهید کرد. در نهایت، یاد خواهید گرفت که چگونه یک مدل را بر روی یک نوت بوک SageMaker آموزش دهید، مدل را در برابر معیار هدف ارزیابی کنید، و فراپارامترها را دقیق تنظیم کنید و به یک مدل با عملکرد بهینه برسید. وقتی این دوره را به پایان رساندید، مهارتها و دانش همه الگوریتمهای داخلی AWS را خواهید داشت و مدلهای خود را که برای تسلط بر AWS SageMaker و پاک کردن آزمون گواهینامه تخصصی یادگیری ماشین AWS مورد نیاز هستند، آموزش، ارزیابی و تنظیم خواهید کرد.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [2mins]
01-01 Course Overview [2mins]
02 ML Foundation and Supervised Learning Algorithms [29mins]
02-01 Machine Learning Basics [5mins]
02-02 Machine Learning Life Cycle [7mins]
02-03 Terminologies of AWS Built-in Algorithms [3mins]
02-04 Linear Learner and XGBoost [7mins]
02-05 KNN and Anomaly Detection [7mins]
03 Deep Learning Foundation and Algorithms [39mins]
03-01 Basics of Deep Learning [7mins]
03-02 Convolution Neural Networks: An Introduction [6mins]
03-03 Image Classification, Object Detection, and Semantic Segmentation Algorithms [11mins]
03-04 Recurrent Neural Networks: An Introduction [3mins]
03-05 BlazingText, Sequence2Sequence, and Object2Vec Algorithms [12mins]
04 Train ML Models [18mins]
04-01 Creating a SageMaker Notebook Instance [8mins]
04-02 Data Ingestion [4mins]
04-03 Data Splitting Strategies [6mins]
05 Evaluate ML Models [24mins]
05-01 Metrics for Classification Models [6mins]
05-02 Metrics for Regression Models [5mins]
05-03 Overfitting and Underfitting [5mins]
05-04 Evaluating a Model: Demo [8mins]
06 Tune ML Models [21mins]
06-01 Fundamentals of Hyperparameter [9mins]
06-02 SageMaker Automated Hyperparameter Tuning: Setup [6mins]
06-03 SageMaker Automated Hyperparameter Tuning: Monitor [6mins]
[فارسی]
01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]
02 پایه ML و الگوریتمهای یادگیری نظارت شده [29 دقیقه]
02-01 مبانی یادگیری ماشین [5 دقیقه]
02-02 چرخه زندگی یادگیری ماشینی [7 دقیقه]
02-03 اصطلاحات الگوریتمهای داخلی AWS [3 دقیقه]
02-04 یادگیرنده خطی و XGBoost [7 دقیقه]
02-05 KNN و تشخیص ناهنجاری [7 دقیقه]
03 پایه و الگوریتمهای یادگیری عمیق [39 دقیقه]
03-01 مبانی یادگیری عمیق [7 دقیقه]
03-02 شبکههای عصبی پیچیدگی- مقدمه [6 دقیقه]
03-03 الگوریتمهای طبقهبندی تصویر، تشخیص اشیا و تقسیمبندی معنایی [11 دقیقه]
03-04 شبکههای عصبی مکرر- مقدمه [3 دقیقه]
03-05 الگوریتمهای BlazingText، Sequence2Sequence و Object2Vec [12 دقیقه]
04 مدلهای قطار ML [18 دقیقه]
04-01 ایجاد یک نمونه نوت بوک SageMaker [8 دقیقه]
04-02 مصرف داده [4 دقیقه]
04-03 استراتژیهای تقسیم داده [6 دقیقه]
05 ارزیابی مدلهای ML [24 دقیقه]
05-01 معیارهای مدلهای طبقهبندی [6 دقیقه]
05-02 معیارها برای مدلهای رگرسیون [5 دقیقه]
05-03 بیش از حد و کم تناسب [5 دقیقه]
05-04 ارزیابی یک مدل- نسخهی نمایشی [8 دقیقه]
06 کوک کردن مدلهای ML [21 دقیقه]
06-01 مبانی هایپرپارامتر [9 دقیقه]
06-02 تنظیم خودکار فراپارامتر SageMaker- راه اندازی [6 دقیقه]
06-03 تنظیم خودکار فراپارامتر SageMaker- مانیتور [6 دقیقه]
من بیش از یک دهه در طراحی، توسعه و معماری فناوری اطلاعات برای برخی از 100 شرکت برتر کار کردهام. من برنامههای کاربردی سازمانی را طراحی و معماری کردهام و نرم افزارهای مقیاس پذیر و قابل حمل توسعه دادهام. من یک معمار حرفهای دارای گواهی گوگل هستم. حوزههای مهمی که من در آن کار کردهام معماری و طراحی با استفاده از جاوا، ESB، Tomcat، ReactJS، جاوا اسکریپت، لینوکس، اوراکل، SVN، GIT و غیره و فناوریهای ابری، از جمله AWS و GCP است.