این دوره نحوه استفاده از یادگیری ماشینی Azure را برای یک ابتکار موفق علم داده در میان اجزای کلیدی گردش کار، داده pipeline و زیرساخت را پوشش میدهد.
آنچه خواهید آموخت:
> هنگام کار بر روی ابتکارات علم داده، به دست آوردن بینش عملی از مجموعه دادههای خود میتواند چالش برانگیز باشد. در این دوره آموزشی، طراحی راه حلهای یادگیری ماشین در Microsoft Azure، یاد خواهید گرفت که چگونه از قابلیتهای یادگیری ماشینی Azure استفاده کنید تا شانس موفقیت پروژه علم داده خود را تا حد زیادی افزایش دهید. ابتدا، شما در جریان کار تیمی شرکت خواهید کرد و اینکه چگونه فرآیند علم داده تیمی مایکروسافت (TDSP) بهترین شیوهها را در سراسر رشتهها فعال میکند. در مرحله بعد، گردش کار Azure Machine Learning Service و نحوه استفاده از آن در پروژه خود را خواهید دید. پس از این، نحوه ایجاد یک pipeline برای آمادهسازی دادهها، آموزش مدل و ثبت مدل را بررسی خواهید کرد. در نهایت، رویکردهای زیرساختی را که میتوان برای یادگیری ماشین به کار برد و اینکه چگونه این رویکردها در Azure پشتیبانی میشوند را بررسی خواهید کرد. پس از اتمام این دوره، مهارتهایی را خواهید داشت که برای شروع یک پروژه علم داده در Azure مورد نیاز است و ابزارهایی که توانایی شما را برای به دست آوردن این بینشهای عملی افزایش میدهد.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [1min]
01-01 Course Overview [1mins]
02 Understanding the Azure Machine Learning Workflow [27mins]
02-01 Overview [1mins]
02-02 Data Science Challenges [3mins]
02-03 Introduction to Team Data Science Process [6mins]
02-04 TDSP Data Science Lifecycle [6mins]
02-05 Reviewing TDSP Resources [4mins]
02-06 Creating a TDSP Project [6mins]
02-07 Summary [1mins]
03 Working with the Azure Machine Learning Workflow [33mins]
03-01 Overview [1mins]
03-02 Azure Machine Learning Workflow [6mins]
03-03 Launching a Notebook Server [8mins]
03-04 Leveraging Compute for Model Training [2mins]
03-05 Training a Model [9mins]
03-06 Deploying a Model [6mins]
03-07 Summary [1mins]
04 Understanding Data Ingestion Strategies [25mins]
04-01 Overview [1mins]
04-02 Data Exploration & Reporting [3mins]
04-03 Utilizing the IDEAR Data Tool [7mins]
04-04 Machine Learning Pipelines [4mins]
04-05 Creating a Machine Learning Pipeline [6mins]
04-06 Azure Integration for Machine Learning [3mins]
04-07 Summary [1mins]
05 Understanding Azure Machine Learning Infrastructure [13mins]
05-01 Overview [1mins]
05-02 Infrastructure for Machine Learning [4mins]
05-03 Deploying a Model with GPU Support [5mins]
05-04 Decommissioning Your Resources [2mins]
05-05 Summary [1mins]
[فارسی]
01 نمای کلی دوره [1 دقیقه]
01-01 بررسی اجمالی دوره [1 دقیقه]
02 درک جریان کار یادگیری ماشینی Azure [27 دقیقه]
02-01 نمای کلی [1 دقیقه]
02-02 چالشهای علم داده [3 دقیقه]
02-03 مقدمهای بر فرآیند علم داده تیمی [6 دقیقه]
02-04 چرخه حیات علم داده TDSP [6 دقیقه]
02-05 مرور منابع TDSP [4 دقیقه]
02-06 ایجاد یک پروژه TDSP [6 دقیقه]
02-07 خلاصه [1 دقیقه]
03 کار با جریان کار یادگیری ماشینی Azure [33 دقیقه]
03-01 نمای کلی [1 دقیقه]
03-02 گردش کار یادگیری ماشین Azure [6 دقیقه]
03-03 راه اندازی یک سرور نوت بوک [8 دقیقه]
03-04 استفاده از محاسبات برای آموزش مدل [2 دقیقه]
03-05 آموزش یک مدل [9 دقیقه]
03-06 استقرار یک مدل [6 دقیقه]
03-07 خلاصه [1 دقیقه]
04 درک استراتژیهای جذب داده [25 دقیقه]
04-01 نمای کلی [1 دقیقه]
04-02 کاوش و گزارش داده [3 دقیقه]
04-03 استفاده از ابزار داده IDEAR [7 دقیقه]
04-04 یادگیری ماشینی Pipelines [4 دقیقه]
04-05 ایجاد یک یادگیری ماشینی Pipeline [6 دقیقه]
04-06 ادغام Azure برای یادگیری ماشینی [3 دقیقه]
04-07 خلاصه [1 دقیقه]
05 درک زیرساخت یادگیری ماشینی Azure [13 دقیقه]
05-01 نمای کلی [1 دقیقه]
05-02 زیرساخت برای یادگیری ماشین [4 دقیقه]
05-03 استقرار یک مدل با پشتیبانی از GPU [5 دقیقه]
05-04 از کار انداختن منابع شما [2 دقیقه]
05-05 خلاصه [1 دقیقه]
دیوید یک مشاور توسعه ابری برنده جایزه Webby است که بر برنامههای کاربردی وب بومی ابری، موبایل و اینترنت اشیا تمرکز دارد. برای بیش از پانزده سال به عنوان مشاور، دیوید توسعه نرمافزار سفارشی را در پلتفرم0 برای شرکتهایی مانند FedEx، AT&T، Sony Music، Intel، Comcast، Herman Miller، Principal Financial و Adobe (و همچنین بسیاری دیگر) رهبری کرده است. دیوید به طور منظم با آثار منتشر شده برای O'Reilly و Lynda.com درباره چشم انداز دیجیتال مینویسد و صحبت میکند. او برای Mashable، Smashing Magazine و VentureBeat نوشته است و در رویدادهایی مانند AdTech، Interop و Adobe Max سخنرانی کرده است.