برای بسیاری از مشکلات یادگیری ماشین، اجرای یک مدل خارج از جعبه و دریافت پیش‌بینی کافی نیست. شما بهترین مدل را با دقیق ترین پیش بینی می خواهید. یکی از راه‌های کامل کردن مدل، تنظیم هایپرپارامتر است که به معنای بهینه‌سازی تنظیمات آن مدل خاص است. در این دوره، شما با بسته‌های caret، mlr و h2o کار می‌کنید تا با استفاده از جستجوی شبکه‌ای، جستجوی تصادفی، نمونه‌برداری مجدد تطبیقی ​​و یادگیری ماشین خودکار (AutoML) ترکیب بهینه ابرپارامترها را به شیوه‌ای کارآمد پیدا کنید. علاوه بر این، شما با مجموعه داده‌های مختلف کار می‌کنید و مدل‌های یادگیری تحت نظارت مختلف را تنظیم خواهید کرد، مانند جنگل‌های تصادفی، ماشین‌های تقویت گرادیان، ماشین‌های بردار پشتیبانی و حتی شبکه‌های عصبی. برای تنظیم آماده شوید!

ساخت مدل‌های یادگیری ماشینی قدرتمند به شدت به مجموعه فراپارامترهای مورد استفاده بستگی دارد. اما با مدل‌های پیچیده‌تر با گزینه‌های زیاد، چگونه می‌توانید بهترین تنظیمات را برای مشکل خاص خود به طور مؤثر پیدا کنید؟ در این دوره شما تجربه عملی در استفاده از برخی متدولوژی های رایج برای تنظیم خودکار فراپارامتر در پایتون با استفاده از Scikit Learn خواهید داشت. اینها عبارتند از جستجوی شبکه، جستجوی تصادفی و روش‌های بهینه‌سازی پیشرفته از جمله الگوریتم‌های بیزی و ژنتیک. از مجموعه داده‌ای استفاده خواهید کرد که پیش‌فرض‌های کارت اعتباری را پیش‌بینی می‌کند و مهارت‌هایی را ایجاد می‌کنید تا کارایی و اثربخشی ساخت مدل یادگیری ماشین خود را به‌طور چشمگیری افزایش دهید.

DAX یا Data Analysis eXpressions، زبان فرمولی است که در Microsoft Power BI برای ایجاد ستون‌های محاسبه‌شده، اندازه‌گیری‌ها و جداول سفارشی استفاده می‌شود. پس از تسلط، DAX به شما کنترل قدرتمندی بر روی تصاویر و گزارش‌ها می‌دهد و امکان عملکرد بهتر و انعطاف‌پذیری بیشتر را فراهم می‌کند. این دوره مفاهیم اصلی مانند پرس و جو ردیف و زمینه فیلتر را با تمرین هایی با تمرکز بر فیلتر کردن، شمارش، رتبه بندی و توابع تکرار پوشش می دهد.

این دوره به شما درک درستی از نحوه استفاده از توابع داخلی PostgreSQL در جستارهای SQL برای دستکاری انواع مختلف داده از جمله رشته ها، کاراکترها، عدد و تاریخ/زمان ارائه می دهد. ما به زمانی برمی گردیم که در آن فروشگاه های ویدیویی Blockbuster در هر گوشه و کناری بودند و اگر بخواهید یک فیلم تماشا کنید، در واقع مجبور شدید خانه خود را برای اجاره یک DVD ترک کنید! همچنین مقدمه ای در مورد قابلیت های قوی جستجوی متن کامل خواهید داشت که ابزار قدرتمندی برای نمایه سازی و تطبیق کلمات کلیدی در یک سند PostgreSQL فراهم می کند. و در نهایت، نحوه گسترش این ویژگی ها را با استفاده از پسوندهای PostgreSQL خواهید آموخت.

در این دوره آموزشی، نحوه استفاده از مهمترین توابع برای دستکاری داده های ارائه شده توسط SQL Server را خواهید آموخت. می‌توانید از این توابع برای پردازش و تبدیل داده‌ها برای به دست آوردن نتایج دلخواه استفاده کنید.

تعدادی از ابزارهای جدید حل مسئله را با قدرت عملکردهای پنجره Snowflake باز کنید! در این دوره، بر ابزارهای مورد نیاز برای حل مسائلی مانند شناسایی نقاط پرت در داده‌های خود و محاسبه میانگین متحرک تسلط خواهید داشت.

ابتدا، بین توابع تجمع سنتی و توابع پنجره تفاوت قائل می شوید. آناتومی یک تابع پنجره را با تخصیص اعداد ردیف و رتبه‌بندی به همه رکوردها در یک جستجوی Snowflake کاهش خواهید داد. هنگامی که پاهای خود را زیر خود قرار دادید، این توابع پنجره را با پارتیشن ها جفت خواهید کرد. این به شما قدرت ایجاد گروه های مرتب شده از رکوردها و مقایسه مقادیر متوالی را می دهد.

شما دوره را با توابع مجموع پنجره و میانگین‌های چرخشی تکمیل خواهید کرد. دو تا از کاربردی ترین کاربردهای توابع پنجره برای بحث و تحلیل داده ها. وقتی همه چیز گفته شد و انجام شد، یک مجموعه مهارت کاملاً جدید خواهید داشت که سؤالات Snowflake شما را افزایش می دهد!

آیا شما یک کاربر متوسط ​​اکسل هستید که به دنبال ارتقاء سطح بازی صفحه گسترده خود، به حداکثر رساندن کارایی و تغییر وظایف معمول هستید؟ پس این دوره برای شما مناسب است! شما بر دانش خود در مورد جستجو و ارجاع با تکنیک های پیشرفته XLOOKUP و INDEX/MATCH، تسلط بر آرایه ها و محدوده های نامگذاری شده استوار خواهید شد. برای ساده‌سازی گردش کار خود، در محدوده‌های OFFSET و پویا غوطه‌ور شوید و برای بهبود تجزیه و تحلیل داده‌های خود، عملکردهای پایگاه داده Excel مانند DSUM و DAVERAGE را بررسی کنید. آماده‌اید تا از پتانسیل کامل اکسل استفاده کنید؟

شما تجزیه و تحلیل خود را انجام داده اید، گزارش خود را ساخته اید و یک مدل آموزش داده اید. بعدش چی؟ خوب، اگر می‌خواهید مدل خود را در مرحله تولید قرار دهید، کد شما باید قابل اعتمادتر از اسکریپت‌های اکتشافی در یک نوت بوک Jupyter باشد. توابع نوشتن در پایتون به شما پایه ای قوی در نوشتن توابع پیچیده و زیبا می دهد تا بتوانید مهارت های تحقیقاتی و مهندسی را به تیم خود کمک کنید. ترفندهای مفیدی مانند نحوه نوشتن مدیران زمینه و دکوراتورها را یاد خواهید گرفت. همچنین بهترین شیوه ها را در مورد نحوه نوشتن توابع قابل استفاده مجدد قابل نگهداری با مستندات خوب یاد خواهید گرفت. آنها می گویند افرادی که می توانند خوب تحقیق کنند و کدهای باکیفیت بنویسند تک شاخ هستند. در این دوره شرکت کنید و جادو را کشف کنید!

هنگام کار با داده هایی که دارای متغیرهای زیادی هستند، اغلب علاقه مندیم که رابطه بین این متغیرها را با استفاده از آمار چند متغیره مطالعه کنیم. در این دوره، روش هایی برای تجزیه و تحلیل این مجموعه داده ها را یاد خواهید گرفت. همچنین با توزیع‌های احتمال چند متغیره متداول، از جمله نرمال چند متغیره، چند متغیره-t و برخی توزیع‌های چوله چند متغیره آشنا خواهید شد. سپس با تکنیک‌هایی برای نمایش داده‌های با ابعاد بالا در ابعاد کمتر، از جمله تجزیه و تحلیل مؤلفه اصلی (PCA) و مقیاس‌گذاری چند بعدی (MDS) آشنا خواهید شد.

با استفاده از قدرت چارچوب LangChain برای ایجاد برنامه های کاربردی بر اساس مدل های زبان بزرگ (LLM) برنامه های خود را انقلابی کنید! یکی از چالش‌های اصلی برای توسعه برنامه‌های کاربردی در عصر هوش مصنوعی مولد، ادغام مدل‌ها، منابع داده، درخواست‌ها و سایر اجزای ارائه‌دهندگان مختلف در یک برنامه واحد است. چارچوب LangChain یک نحو واحد و یکپارچه برای کنار هم قرار دادن تمام این قطعات فراهم می کند تا به شما امکان دهد LLM ها را به طور یکپارچه در پروژه های خود ادغام کنید. چه یک توسعه دهنده با تجربه باشید و چه تازه شروع کرده اید، این دوره شما را با دانش و مهارت هایی برای ساخت برنامه های کاربردی پویا و هوشمند که از قابلیت های بی حد و حصر LangChain بهره می برند، مجهز می کند. در این سفر تحول‌آفرین به ما بپیوندید و نحوه ایجاد برنامه‌های کاربردی مبتنی بر مدل‌های زبان را دوباره تعریف کنید.

آیا می‌بینید همان کد را بین فایل‌ها کپی و جای‌گذاری می‌کنید و آرزو می‌کنید استفاده مجدد و اشتراک‌گذاری قطعه‌های عالی‌تان آسان‌تر بود؟ قرار دادن کد خود در بسته های پایتون می تواند کمک کننده باشد! در این دوره آموزشی، با ساختار بسته و فایل های اضافی مورد نیاز برای تبدیل کد شل به بسته های مناسب آشنا می شوید. همچنین در مورد ساختار واردات، مستندات و نحوه حفظ سبک کد با استفاده از flake8 یاد خواهید گرفت. سپس توسعه بسته خود را با ساختن الگوها، با استفاده از کوکی‌کاتر برای ایجاد اسکلت‌های بسته، سرعت می‌بخشید. در نهایت، یاد خواهید گرفت که چگونه از setuptools و twine برای ساخت و انتشار بسته‌های خود در PyPI - صحنه جهانی بسته‌های Python استفاده کنید.

برنامه های هوش مصنوعی خود را با این دوره آموزشی OpenAI API برای تولید آماده کنید. شما بهترین روش‌ها را برای توسعه برنامه‌های کاربردی در OpenAI API، از جمله تعدیل و اعتبارسنجی، آزمایش و اقدامات برای بهبود ایمنی کشف خواهید کرد. همچنین یاد خواهید گرفت که چگونه برنامه خود را با سیستم های خارجی و API ها از طریق فراخوانی تابع متصل کنید. این دوره مبتنی بر قابلیت‌های اصلی OpenAI است که در کار با OpenAI API معرفی شده‌اند و بهترین شیوه‌های نوشتن را از Prompt Engineering با OpenAI API ارائه می‌کند تا به شما کمک کند پروژه‌های خود را از اثبات مفهوم به سیستم‌های آماده تولید ارتقا دهید.

بسیاری از محتوای مرتبط با یادگیری ماشین امروزی بر آموزش مدل و تنظیم پارامترها متمرکز است، اما 90٪ از مدل‌های آزمایشی هرگز به تولید نمی‌رسند، عمدتاً به این دلیل که برای دوام ساخته نشده‌اند. در این دوره خواهید دید که چگونه تغییر ذهنیت خود از ذهنیت مهندسی یادگیری ماشین به طرز فکر MLOps (عملیات یادگیری ماشین) به شما این امکان را می‌دهد که مدل‌های خود را آموزش دهید، مستندسازی کنید، نگهداری کنید و مقیاس‌بندی کنید.

GitHub Copilot چیزی بیش از یک تکمیل خودکار هوشمند است—این یک دستیار کدنویسی هوش مصنوعی است که به شما کمک می‌کند کد را به راحتی درک کنید، بنویسید و بهبود بخشید. در این دوره آموزشی، Copilot را در کد ویژوال استودیو، از پیشنهادات تکمیل خودکار گرفته تا ویرایش‌های درون خطی و حالت‌های مبتنی بر چت، بررسی خواهید کرد و نحوه استفاده مؤثر از هر کدام را برای کارهایی از رفع سریع تا بازسازی چند فایل کشف خواهید کرد. شما یاد خواهید گرفت که چگونه از طریق متغیرهای چت، شرکت کنندگان و درخواست های پیشرونده، زمینه مناسب را فراهم کنید، در حالی که گردش کار خود را با دستورات اسلش و اقدامات هوشمند ساده کنید. در نهایت، رفتار Copilot را با دستورالعمل‌های سفارشی و انتخاب مدل شکل می‌دهید و آن را با استانداردهای پروژه یا قراردادهای تیمی تطبیق می‌دهید. در پایان، مهارت‌هایی را خواهید داشت که Copilot را به یک شریک کدنویسی قدرتمند تبدیل کنید—افزایش بهره‌وری، کاهش خطاها و انطباق با گردش کار شخصی و تیمی.

با Windsurf، IDE مجهز به هوش مصنوعی که برای توسعه سریع‌تر، هوشمندتر و شهودی‌تر توسعه نرم‌افزار ساخته شده است، به آینده کدنویسی قدم بگذارید. در این دوره آموزشی، نحوه استفاده از هوش مصنوعی برای نوشتن، اشکال‌زدایی و بازآفرینی کد سریع‌تر، خودکارسازی وظایف تکراری و ایمن نگه‌داشتن پروژه‌ها با قوانین داخلی و گردش کار را خواهید یافت. این دوره آموزشی به شما این امکان را می‌دهد تا با استفاده از هوش مصنوعی در کنار خود، از داربست‌سازی یک برنامه خبری تمام‌پشته گرفته تا اجرای زنده آن با احراز هویت و نظارت، بسازید. ایده آل برای توسعه دهندگان در هر سطح.

با یادگیری نحوه نوشتن روش‌های قابل استفاده مجدد، کنترل جریان برنامه‌ها و خودکارسازی کارهای تکراری با حلقه‌ها، اصول جاوا خود را تقویت کنید. از طریق تمرین‌های عملی، این مهارت‌های اصلی را برای ایجاد کد ساختاریافته، انعطاف‌پذیر و قابل نگهداری ترکیب خواهید کرد. در پایان دوره، مطمئن خواهید بود که منطق سفارشی را با استفاده از الگوهای برنامه نویسی در دنیای واقعی که ستون فقرات توسعه جاوا را تشکیل می دهند، بنویسید.

جبر خطی یکی از مهمترین مجموعه ابزارها در ریاضیات کاربردی و علوم داده است. در این دوره آموزشی، نحوه کار با بردارها و ماتریس ها، حل معادلات ماتریس-بردار، انجام تحلیل های مقدار ویژه/بردار ویژه و استفاده از تحلیل مؤلفه های اصلی برای کاهش ابعاد در مجموعه داده های دنیای واقعی را یاد خواهید گرفت. همه تجزیه و تحلیل ها در R، یکی از محبوب ترین زبان های برنامه نویسی جهان انجام می شود.

کار با مقادیر زیاد داده در برگه‌های Google می‌تواند دشوار و زمان‌بر باشد. آیا تا به حال آرزو کرده اید که یک راه سریع و کارآمد برای سازماندهی و ارزیابی داده های شما در عرض چند ثانیه وجود داشته باشد؟ جداول محوری پاسخ شماست! در این دوره ما دنیای Pivot Tables در Google Sheets را بررسی می کنیم و یاد می گیریم که چگونه به سرعت هزاران نقطه داده را تنها با چند کلیک ماوس سازماندهی کنیم. ما میانگین بارندگی در چندین شهر ایالات متحده، 10 فیلم برتر Fortune Global 500، و مجموعه ای از فیلم های منتشر شده بین سال های 2010 و 2016 را تجزیه و تحلیل خواهیم کرد. شما با استفاده از این مثال های دنیای واقعی، تکنیک هایی مانند مرتب سازی، جمع بندی جزئی و فیلتر کردن داده های خود را خواهید آموخت. در پایان دوره، می‌توانید جدول‌های محوری سفارشی خود را با مجموعه داده‌های هر اندازه ایجاد کنید!

سیستم‌هایی که ما هر روز بدون اینکه متوجه شویم از آن‌ها استفاده می‌کنیم، مانند تشخیص تقلب برای ایمن نگه داشتن تراکنش‌هایمان یا سیگنال‌های ترافیکی که جریان ترافیک را روان نگه می‌دارند، چه قدرتی دارد؟ پاسخ، جریان داده ها (داده هایی که به طور مداوم توسط منابع مختلف تولید می شوند) و فناوری های بدون سرور است - مانند Amazon Kinesis و AWS Lambda. در این دوره آموزشی، یاد خواهید گرفت که چگونه با کمک به یک مهندس داده خیالی به نام کودی، از این فناوری های قدرتمند استفاده کنید. هدف شما کمک به او برای جمع‌آوری داده‌های جریان بی‌درنگ از وسایل نقلیه متعلق به شهر، تجزیه و تحلیل داده‌ها و ارسال هشدارهای مربوطه مانند هشدار سرعت به رانندگان است. با استفاده از Amazon Kinesis و Firehose، یاد خواهید گرفت که چگونه داده‌ها را از میلیون‌ها منبع قبل از استفاده از Kinesis Analytics برای تجزیه و تحلیل داده‌ها در حین حرکت در جریان استفاده کنید. همچنین می‌توانید عملکردهای بدون سرور را در AWS Lambda بچرخانید که به طور مشروط اقداماتی را بر اساس داده‌های دریافتی آغاز می‌کنند. در پایان این آموزش، می‌دانید که چگونه داشبوردهای ElasticSearch زنده را با AWS QuickSight و CloudWatch ایجاد کنید — و امیدواریم به کودی در تکمیل پروژه جاه‌طلبانه‌اش کمک کنید.

در این دوره آموزشی Python Toolbox، به ساختن مهارت‌های پیشرفته‌تر پایتون ادامه خواهید داد. ابتدا، در مورد تکرار کننده ها، اشیایی که قبلاً در زمینه حلقه های for با آنها مواجه شده اید، آشنا خواهید شد. سپس در مورد درک لیست ها، که ابزار بسیار مفیدی برای همه متخصصان داده و توسعه دهندگانی است که در پایتون کار می کنند، یاد خواهید گرفت. شما دوره را با مطالعه موردی به پایان می رسانید که در آن تمام تکنیک هایی را که در هر دو قسمت این دوره آموخته اید به کار می گیرید.