1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Coursera – Practical Data Science Specialization 2022-5
Practical Data Science Specialization

Coursera – Practical Data Science Specialization 2022-5

توضیحات

Practical Data Science Specialization مجموعه آموزشی علم داده کاربردی می‌باشد که توسط آکادمی کورسرا منتشر شده است. این مجموعه آموزشی توسط بنیادهای DeepLearning.AI و mazon Web Services برگزار شده است و در طی روند آموزشی آن با فرآیند توسعه، مقیاس دهی و پیاده‌سازی پروژه‌های علم داده بر بستر سرورهای ابری Amazon SageMaker آشنا خواهید شد. محیط‌ توسعه با محیط تولید و پیاده‌سازی نهایی محصول بسیار متفاوت است و پیش‌نیازها و ملاحظات کمتری از جانب توسعه‌دهندگان نیاز دارد. انتقال پروژه‌های مبتنی بر علم داده و یادگیری ماشین از مرحله ایده پردازی و طرح اولیه به تولید محصول نهایی نیازمند مجموعه‌ای مهارت های پراکنده است که هر توسعه دهنده ای این مهارت ها را در خود ندارد. معماری و ساختار کلی پروژه شما باید به گونه ای باشد که بهترین عملکرد را با وجود کمترین منابع از خود ارائه داده و فرآیند توسعه روندی و مقیاس پذیری آن آسان باشد.

علم داده یک صنعت میان رشته ای و بسیار وسیع است که مهارت های مختلفی در حوزه های ریاضیات، آمار، مصورسازی داده و برنامه نویسی طلب می کند. این مجموعه آموزشی به صورت کاملا اختصاصی برای توسعه دهندگان، تحلیل گران و دانشمندانی که به صورت روزانه با دیتا سر و کار دارند طراحی شده است و از دانشجویان و متقاضیان آن انتظار می رود تا به زبان برنامه نویسی پایتون، SQL و تعدادی از سیستم های مدیریت پایگاه داده تسلط داشته باشند.

آنچه در مجموعه آموزشی Practical Data Science Specialization فرا خواهید گرفت:

  • جمع آوری و آماده سازی اولیه دیتا
  • تشخیص سوگیری ها و ایرادات داده های خام آماری
  • تمرین، ارزیابی و بهینه سازی مدل های مختلف با استفاده از AutoML
  • طراحی، پیاده سازی، نظارت و مدیریت عملیات پایپلاین یادگیری ماشین
  • پردازش زبان طبیعی با کتابخانه BERT
  • آزمون آ/ب (A/B testing) مدل های مختلف یادگیری ماشین
  • یادگیری ماشین اتوماتیک
  • طبقه بندی چند کلاسی با کتابخانه های FastText و BlazingText
  • فروبری داده
  • تحلیل کاوشگرانه داده‌ها (Exploratory data analysis)
  • ارزیابی و عیب یابی مدل های مختلف یادگیری ماشین

مشخصات دوره

ناشر: کورسرا
مدرس: Antje Barth ،Shelbee Eigenbrode ،Sireesha Muppala و Chris Fregly
زبان: انگلیسی
موسسه/دانشگاه ارائه دهنده: DeepLearning.AI و خدمات وب آمازون (Amazon Web Services)
سطح آموزش: پیشرفته
تعداد دوره ها: 3
مدت زمان آموزش: با فرض 5 ساعت کار در هفته حدودا 3 ماه

دوره های موجود در مجموعه Practical Data Science Specialization

Course 1

Analyze Datasets and Train ML Models using AutoML

Course 2

Build, Train, and Deploy ML Pipelines using BERT

Course 3

Optimize ML Models and Deploy Human-in-the-Loop Pipelines

پیش نیازهای دوره

What background knowledge is necessary for the Practical Data Science Specialization?

Learners should have a working knowledge of ML algorithms and principles, be proficient in Python programming at an intermediate level, and be familiar with Jupyter notebooks and statistics. We recommend you complete the Deep Learning Specialization or an equivalent program.

Learners should also be familiar with the fundamentals of AWS and cloud computing. Completion of Coursera AWS Cloud Technical Essentials or similar is considered the prerequisite knowledge base.

تصاویر دوره

Practical Data Science Specialization

فیلم نمونه دوره Practical Data Science Specialization

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720p

این مجموعه شامل 3 دوره متفاوت میباشد.

لینک دانلود

Analyze Datasets and Train ML Models using AutoML

دانلود دوره – 369 مگابایت

Build, Train, and Deploy ML Pipelines using BERT

دانلود دوره – 318 مگابایت

Optimize ML Models and Deploy Human-in-the-Loop Pipelines

دانلود دوره – 304 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

مجموعا حدود 991 مگابایت

4.9/5 - (1795 امتیاز)

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

For security, use of Google's reCAPTCHA service is required which is subject to the Google Privacy Policy and Terms of Use.

فهرست