توضیحات
Introduction to Machine Learning and AI Engineering دوره آموزشی مفاهیم، ابزارها و گردش‌های کاری مورد استفاده برای ساخت سیستم‌های هوش مصنوعی مدرن می باشد که توسط آکادمی آنلاین CBTNuggets منتشر شده است. افراد یاد خواهند گرفت که چگونه ماشین‌ها می‌توانند داده‌ها را تجزیه و تحلیل کنند، الگوها را شناسایی کنند، پیش‌بینی کنند و از طریق تکنیک‌های یادگیری ماشین، از تصمیم‌گیری هوشمند پشتیبانی کنند. این دوره مفاهیم اصلی هوش مصنوعی و یادگیری ماشین، از جمله آماده‌سازی داده‌ها، آموزش مدل، ارزیابی، مهندسی ویژگی و پیاده‌سازی عملی با استفاده از ابزارها و چارچوب‌های استاندارد صنعتی را معرفی می‌کند. شما خواهید فهمید که چگونه مدل‌ها یاد می‌گیرند، مدل‌های یادگیری ماشین می‌سازند و بر ارزیابی دقیق و طراحی خط لوله تسلط پیدا می‌کنند. این دوره اصول یادگیری ماشین مانند رگرسیون و تانسورها را شرح می‌دهد، سپس به سمت برنامه‌های کاربردی LLM واقعی حرکت می‌کند و بر کاهش توهم و برنامه‌های مبتنی بر بازیابی تمرکز دارد.
افراد همچنین اصول مهندسی هوش مصنوعی، از جمله استقرار مدل، اتوماسیون، مقیاس‌پذیری و توسعه برنامه‌های کاربردی در دنیای واقعی را بررسی خواهند کرد. شما آگاهی از تأخیر را برای اطمینان از خروجی‌های قابل آزمایش و مبتنی بر داده ادغام خواهید کرد و یاد خواهید گرفت که چگونه هوش مصنوعی مدرن با استفاده از ابزارهایی مانند PyTorch، TensorFlow و LangChain در تولید مقیاس‌پذیر می‌شود. در پایان، شما پایه‌ای در تفکر گردش کار هوش مصنوعی خواهید داشت و به مهارت‌هایی مانند اصول یادگیری ماشین، RAG، ارزیابی و امنیت هوش مصنوعی مجهز خواهید شد تا به طور مداوم برنامه‌های کاربردی قابل اعتماد بسازید.
آنچه در دوره Introduction to Machine Learning and AI Engineering یاد خواهید گرفت:
- طراحی دستورالعمل‌ها و گردش‌های کاری مؤثر برای برنامه‌های مبتنی بر LLM
- ایجاد پروژه‌های نمونه‌کار که آشنایی با مدل‌های یادگیری ماشین را اثبات می‌کند
- مهندسی ویژگی‌ها و ارزیابی عملکرد مدل با استفاده از منحنی‌های یادگیری
- ساخت مدل‌های رگرسیون و طبقه‌بندی با استفاده از PyTorch و TensorFlow
- اعمال گرادیان نزولی، پس‌انتشار و ریاضیات تانسوری برای آموزش مدل
- ساخت برنامه‌های RAG مبتنی بر LangChain که به سوالات سند پاسخ می‌دهند
- و …
مشخصات دوره
ناشر: CBTNuggets
مدرس: Jonathan Barrios
زبان: انگلیسی
سطح آموزش: مبتدی
تعداد دروس: 165
مدت زمان آموزش: 25 ساعت و 3 دقیقه
سرفصل های دوره
- ?What is AI, ML, DL, and GenAI
- Compare Machine Learning and AI Engineering
- Explore Data Science & ML Development Environments
- Think in Machine Learning with Pseudocode
- Model Linear Regression As Learning A Line
- Classify with Logistic Regression Decision Lines
- Build a One-Neuron Model With the Perceptron
- Explain Scalars, Vectors, Matrices and Tensors
- Break Down the ML Pipeline Step by Step
- Build Your First PyTorch Machine Learning Model
- Implement Linear Regression with PyTorch
- Implement Logistic Regression with PyTorch
- Implement a Non-Linear Neural Network in PyTorch
- Analyze Tensors To Prevent PyTorch Errors
- Apply Data Pipelines to Train PyTorch Models
- Explain Loss, Gradients, and Optimizers
- Build a PyTorch Neural Network Image Classifier
- Apply TensorFlow to Build Your First NLP Pipeline
- Build an RNN Text Classifier with TensorFlow
- Compare RNNs, LSTMs, and GRUs with TensorFlow
- Evaluate a TensorFlow Movie Review Text Classifier
- Explore LLM APIs for AI Engineering
- Analyze LLM Responses and Token Costs
- Program LLMs Using Prompt Engineering
- Build a RAG Application with Chroma & LangChain
- Evaluate AI System Outputs
- Automate AI Evaluation Workflows
- Integrate Tools Into AI Systems
- Build AI Agentic Workflows
پیش نیازهای دوره Introduction to Machine Learning and AI Engineering
None
تصاویر دوره
فیلم معرفی دوره Introduction to Machine Learning and AI Engineering
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
8.4 گیگابایت
