Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 382 items.

datacamp MLOps for Business (Mitalearn-406263)

  • 50 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Arne Warnke
درباره این دوره:

مفاهیم و شیوه‌های ضروری MLOps را بیاموزید، مجموعه‌ای نوظهور از ابزارها و تکنیک‌ها برای خودکارسازی و مقیاس‌بندی برنامه‌های یادگیری ماشین.

توسعه مدل یادگیری ماشین قبلاً یک کار دستی طولانی بود و اکثر مدل‌ها هرگز آن را تولید نکردند. با استفاده از MLO، کسب‌وکارها می‌توانند به طور مؤثر طراحی، توسعه و عملکرد مدل‌های یادگیری ماشین را مقیاس‌بندی و خودکار کنند.

این دوره به شما می آموزد که MLOps چیست و چگونه می توانید از آن برای تبدیل شدن به یک شرکت یادگیری ماشینی کاملا بالغ استفاده کنید. شما در مورد الزامات MLO ها، ابزارها، تکنیک ها، و افراد درگیر، و نحوه جلوگیری از تله های متداول آشنا خواهید شد.

در پایان دوره، درک عمیقی از نحوه طراحی، توسعه و کارکرد برنامه‌های یادگیری ماشین در مقیاس خواهید داشت و می‌توانید از تأثیر یادگیری ماشین بر کسب‌وکار خود استفاده کنید.

coursera Neural Networks and Random Forests (Mitalearn-334115)

  • 26 minutes
  • متوسط
  • Release date: 27 June 2026
  • Author: Rajvir Dua,Neelesh Tiruviluamala
درباره این دوره:

در این دوره، دانش خود را در مورد مدل‌های پایه ایجاد می‌کنیم و تکنیک‌های پیشرفته هوش مصنوعی را بررسی می‌کنیم. ما با یک فرو رفتن عمیق در شبکه های عصبی شروع می کنیم و دانش خود را از پایه با بررسی ساختار و ویژگی ها ایجاد می کنیم. سپس چند مدل ساده شبکه عصبی را کدنویسی می‌کنیم و یاد می‌گیریم که از تطبیق بیش‌ازحد، منظم‌سازی و دیگر ترفندهای فراپارامتری خودداری کنیم. پس از پروژه ای که احتمال بیماری قلبی را با توجه به ویژگی های سلامتی پیش بینی می کند، به جنگل های تصادفی می رویم. ما تفاوت‌های بین این دو تکنیک را شرح می‌دهیم و ریشه‌های متفاوت آن‌ها را با جزئیات بررسی می‌کنیم. در نهایت، ما پروژه ای را تکمیل می کنیم که شباهت بین بیماران سلامت را با استفاده از جنگل های تصادفی پیش بینی می کند.

linkedin NLP with Python for Machine Learning Essential Training (Mitalearn-126239)

  • 4 hours 14 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Derek Jedamski
درباره این دوره:

با افزایش حجم داده های در دسترس عموم و تمرکز بیشتر بر داده های متنی بدون ساختار، درک نحوه پاکسازی، پردازش و تجزیه و تحلیل آن داده های متنی بسیار ارزشمند است. اگر تجربه ای با پایتون دارید و به پردازش زبان طبیعی (NLP) علاقه دارید، این دوره می تواند دانش مورد نیاز برای مقابله با مشکلات پیچیده با استفاده از یادگیری ماشین را در اختیار شما قرار دهد. مربی درک جدامسکی خلاصه‌ای سریع از مفاهیم اولیه پردازش زبان طبیعی (NLP) ارائه می‌کند، تکنیک‌های تمیز کردن داده‌ها و بردارسازی پیشرفته را پوشش می‌دهد و سپس به ساخت طبقه‌بندی‌کننده‌های یادگیری ماشینی می‌پردازد. در این مرحله آخر، درک نحوه ساخت دو نوع مختلف مدل یادگیری ماشین و همچنین نحوه ارزیابی و آزمایش تغییرات آن مدل ها را نشان می دهد.

linkedin NumPy Data Science Essential Training (Mitalearn-100365)

  • 3 hours 46 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Charles Kelly
درباره این دوره:

NumPy Data Science Essential Training، دانشمند داده های متوسط \u200b\u200bرا به NumPy معرفی می کند، کتابخانه پایتون که از برنامه نویسی عددی، علمی و آماری، از جمله یادگیری ماشینی پشتیبانی می کند. این کتابخانه از چندین جنبه از علم داده پشتیبانی می کند، اشیاء آرایه چند بعدی، اشیاء مشتق شده (ماتریس ها و آرایه های پوشانده شده)، و روال هایی برای ریاضی، منطق، مرتب سازی، آمار و تولید اعداد تصادفی. در اینجا چارلز کلی نحوه کار با NumPy و Python را در Jupyter Notebook نشان می دهد، ابزاری مبتنی بر مرورگر برای ایجاد اسناد تعاملی با کد زنده، حاشیه نویسی و حتی تجسم هایی مانند نمودارها. یاد بگیرید که چگونه آرایه های NumPy ایجاد کنید، از عبارات و قطعه های NumPy استفاده کنید، و آرایه ها را نمایه سازی کنید، برش دهید، تکرار کنید و در غیر این صورت دستکاری کنید. به علاوه، یاد بگیرید که چگونه داده ها را رسم کنید و آرایه های NumPy را با کلاس های پایتون ترکیب کنید، و نمونه هایی از NumPy را در عمل دریافت کنید: حل معادلات خطی، پیدا کردن الگوها، انجام آمار، تولید مکعب های جادویی و موارد دیگر.

linkedin Power BI: Integrating AI and Machine Learning (Mitalearn-218991)

  • 3 hours 58 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Helen Wall
درباره این دوره:


Power BI یک ابزار قدرتمند تجزیه و تحلیل داده و تجسم است که به کاربران تجاری امکان نظارت بر داده ها، تجزیه و تحلیل روندها و تصمیم گیری را می دهد. مایکروسافت هر ماه به‌روزرسانی‌های Power BI را به کاربران نهایی ارائه می‌کند و رشد Power BI بخش کلیدی استراتژی فعلی مایکروسافت است. این دوره قابلیت‌های هوش مصنوعی و یادگیری ماشین موجود را که مستقیماً در قابلیت‌های Power BI در دسترس هستند را نشان می‌دهد. هلن وال، متخصص تجزیه و تحلیل داده ها و تجزیه و تحلیل کسب و کار، یک نمای کلی مفید از Power BI به شما ارائه می دهد، سپس به مراحل پیکربندی Power Query و مدل داده شما می پردازد. هلن تجزیه و تحلیل متغیرهای منفرد را انجام می دهد و ابزارها و تکنیک هایی را برای اندازه گیری روابط بین متغیرها به شما نشان می دهد. او تصاویری را به شما نشان می‌دهد که می‌توانید از آنها برای طرح سؤالات و پاسخ دادن به آنها در Power BI استفاده کنید، تکنیک‌های مفیدی را برای بهبود تجزیه و تحلیل داده‌های سری‌های زمانی توضیح می‌دهد، و شما را از طریق برخی از بهترین روش‌ها برای به اشتراک گذاشتن تحلیل‌تان راهنمایی می‌کند.

coursera Python Essentials for MLOps (Mitalearn-330477)

  • 5 hours 57 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Noah Gift,Alfredo Deza
درباره این دوره:

Python Essentials for MLOps (عملیات یادگیری ماشین) دوره ای است که برای ارائه مهارت های اساسی پایتون مورد نیاز برای موفقیت در نقش MLOps به زبان آموزان طراحی شده است. این دوره اصول اولیه زبان برنامه نویسی پایتون را شامل انواع داده ها، توابع، ماژول ها و تکنیک های تست می کند. همچنین نحوه کار موثر با مجموعه داده ها و سایر وظایف علم داده با Pandas و NumPy را پوشش می دهد. از طریق یک سری تمرینات عملی، فراگیران تجربه عملی کار با پایتون را در زمینه گردش کار MLOps به دست خواهند آورد. در پایان دوره، زبان آموزان مهارت های لازم برای نوشتن اسکریپت های پایتون برای خودکارسازی وظایف رایج MLOps را خواهند داشت. این دوره برای کسانی که به دنبال ورود به حوزه MLOps هستند یا برای متخصصان با تجربه MLOps که می خواهند مهارت های پایتون خود را بهبود بخشند ایده آل است.

linkedin Python for Data Science and Machine Learning Essential Training قسمت 1 (Mitalearn-386560)

  • 7 hours 44 minutes
  • مناسب همه
  • Release date: 12 March 2024
  • Author: Lillian Pierson, P.E.
درباره این دوره: 

 

Python for Data Science and Machine Learning Essential Training یکی از محبوب ترین دوره های علوم داده در LinkedIn Learning است. اکنون به روز شده و به دو قسمت گسترش یافته است و تجربه عملی و واقعی تری از پایتون به شما می دهد. در بخش اول، مربی لیلیان پیرسون شما را گام به گام از طریق یک پروژه علم داده و یادگیری ماشین راهنمایی می کند: یک اسکراپر وب که داده ها را از وب دانلود و تجزیه و تحلیل می کند. در طول راه، او تکنیک هایی را برای پاکسازی، قالب بندی مجدد، تبدیل و توصیف داده های خام معرفی می کند. ایجاد تجسم؛ حذف نقاط پرت؛ انجام تجزیه و تحلیل ساده داده ها؛ و با استفاده از Streamlit نمودارهای مبتنی بر وب تولید کنید. در پایان این دوره، شما تجربه کدنویسی اولیه ای را کسب خواهید کرد که می توانید آن را در سازمان خود ببرید و به سرعت در پروژه های علم داده سفارشی و یادگیری ماشین خود اعمال کنید.

این دوره با GitHub Codespaces یکپارچه شده است. ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و با استفاده از ابزاری که احتمالاً در محل کار با آن مواجه می‌شوید، تمرین عملی را از هر ماشینی، در هر زمان انجام دهید. برای یادگیری نحوه شروع، ویدیوی "استفاده از فضاهای کد GitHub با این دوره" را بررسی کنید.


coursera Rust for Large Language Model Operations (LLMOps) (Mitalearn-313970)

  • 3 hours 57 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Noah Gift,Alfredo Deza
درباره این دوره:

آیا آرزو دارید که یک توسعه دهنده Rust در خط مقدم انقلاب هوش مصنوعی باشید؟ این دوره پیشگامانه به طور خاص برای آموزش عملیات مدل زبان بزرگ (LLMOps) با استفاده از Rust طراحی شده است. این دوره فقط سطح را خراش نمی دهد. به بررسی چگونگی ادغام Rust با چارچوب های پیچیده LLM مانند HuggingFace Transformers نیاز است. ما همچنین چگونگی استقرار موثر این مدل‌های بزرگ را در زیرساخت‌های ابری مانند AWS بررسی می‌کنیم، همه اینها در حالی که متدولوژی‌های DevOps متناسب با LLMOps را شامل می‌شوند.

coursera Spark, Hadoop, and Snowflake for Data Engineering (Mitalearn-336529)

  • 10 hours 25 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Noah Gift,Kennedy Behrman,Matt Harrison
درباره این دوره:

به عنوان مثال این در درجه اول برای دانشجویان سال اول و دوم لیسانس علاقه مند به مهندسی یا علوم، همراه با دانش آموزان دبیرستانی و متخصصان با علاقه به برنامه نویسی است که مهارت هایی را برای ایجاد خطوط لوله داده کارآمد و مقیاس پذیر به دست می آورند. پلتفرم های مهندسی داده های ضروری (Hadoop، Spark و Snowflake) را کاوش کنید و همچنین نحوه بهینه سازی و مدیریت آنها را بیاموزید. در Databricks، یک پلتفرم قدرتمند برای اجرای تجزیه و تحلیل داده ها و وظایف یادگیری ماشین، در حالی که مهارت های علم داده پایتون خود را با PySpark تقویت می کنید، وارد شوید. در نهایت، مفاهیم کلیدی MLflow را کشف کنید، یک پلتفرم منبع باز برای مدیریت چرخه زندگی یادگیری ماشینی سرتاسر، و یاد بگیرید که چگونه آن را با Databricks یکپارچه کنید. این دوره برای زبان آموزانی طراحی شده است که می خواهند حرفه خود را در علم داده یا مهندسی داده دنبال کنند یا پیشرفت کنند، یا برای توسعه دهندگان نرم افزار یا مهندسانی که می خواهند مجموعه مهارت های مدیریت داده خود را افزایش دهند. علاوه بر فناوری‌هایی که یاد خواهید گرفت، متدولوژی‌هایی نیز به دست خواهید آورد که به شما کمک می‌کنند مهارت‌های مدیریت پروژه و گردش کار خود را برای مهندسی داده تقویت کنید، از جمله استفاده از روش‌ها و بهترین روش‌های Kaizen، DevOps و Data Ops. این دوره جامع با آزمون هایی برای آزمایش دانش شما در سراسر جهان، به راهنمای سفر یادگیری شما برای تبدیل شدن به یک مهندس داده ماهر، آماده برای مقابله با چالش های دنیای داده محور امروزی کمک می کند.

coursera آشنایی با هوش مصنوعی (AI) (Mitalearn-327876)

  • 5 hours 7 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja
درباره این دوره:

هوش مصنوعی (AI) در اطراف ماست و یکپارچه در زندگی و کار روزمره ما ادغام شده است. برای درک اصطلاحات و برنامه های کلیدی هوش مصنوعی در این دوره ثبت نام کنید ، حرفه هوش مصنوعی خود را راه اندازی کنید یا مورد موجود خود را تغییر دهید. این دوره مفاهیم اصلی هوش مصنوعی ، از جمله یادگیری عمیق ، یادگیری ماشین و شبکه های عصبی را در بر می گیرد. شما مدل های AI تولیدی ، از جمله مدل های بزرگ زبان (LLM) و قابلیت های آنها را بررسی خواهید کرد. علاوه بر این ، شما برنامه های کاربردی AI را در حوزه ها ، مانند پردازش زبان طبیعی (NLP) ، بینایی رایانه و روباتیک ، تجزیه و تحلیل خواهید کرد ، و از نحوه این پیشرفت ها نوآوری و استفاده از موارد استفاده می کنید. این دوره به شما کمک می کند تا کشف کنید که چگونه هوش مصنوعی ، به ویژه هوش مصنوعی ، در حال تغییر شکل مجدد محیط های تجاری و کاری است. شما همچنین فرصت های شغلی در حال ظهور را در این زمینه به سرعت در حال تحول کشف خواهید کرد و بینش در مورد ملاحظات اخلاقی و مدیریت هوش مصنوعی که نوآوری مسئولیتی را شکل می دهد ، به دست می آورید. این دوره شامل آزمایشگاه های دستی و یک پروژه است که فرصتی مفید برای کشف موارد و برنامه های کاربردی AI فراهم می کند. همچنین از پزشکان متخصص در مورد قابلیت ها ، برنامه ها و ملاحظات اخلاقی پیرامون هوش مصنوعی می شنوید. این دوره برای همه مناسب است ، از جمله متخصصان ، علاقه مندان و دانشجویان علاقمند به یادگیری اصول هوش مصنوعی.

coursera آگاهی و آموزش کاربر برای هوش مصنوعی (Mitalearn-329542)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Phil Gold
درباره این دوره:

هدف از این دوره، توانمندسازی کاربران عمومی با درک دوستانه و غیر فنی از هوش مصنوعی Generative است. این بر اهمیت شفافیت در سیستم‌های هوش مصنوعی تأکید می‌کند و به یادگیرندگان کمک می‌کند تا چگونگی تصمیم‌گیری‌های هوش مصنوعی را درک کنند. با برجسته کردن اهمیت آگاهی کاربر، شفافیت و تصمیم گیری آگاهانه، یادگیرندگان برای انتخاب آگاهانه و تعامل مسئولانه و مطمئن با هوش مصنوعی مجهزتر خواهند شد. استراتژی ها و بینش های ارائه شده به یادگیرندگان کمک می کند تا پتانسیل خلاقانه هوش مصنوعی مولد را کشف کنند و در عین حال از اقدامات اخلاقی و محافظت در برابر خطرات احتمالی اطمینان حاصل کنند. این دوره مشارکت فعال را تشویق می کند و بر مسئولیت جمعی کاربران در شکل دادن به آینده هوش مصنوعی تأکید می کند. این دوره برای هر کارمند یا مدیر کسب و کاری که از هوش مصنوعی و هوش مصنوعی مولد استفاده می کند یا در فکر استفاده از آن است، یا هر کسی که به دنبال افزایش دانش خود در مورد این موضوع است، طراحی شده است. این دوره به گونه‌ای طراحی شده است که دانش‌آموزان را به زبان ساده درکی از موضوع و برخی از تفاوت‌های ظریف استفاده از هوش مصنوعی بدهد. هیچ پیش نیاز خاصی برای این دوره وجود ندارد. درک اولیه از کامپیوتر و تجارت مفید خواهد بود، اما اجباری نیست. ذهن باز و کنجکاوی در مورد تأثیر اجتماعی گسترده تر هوش مصنوعی، تجربه یادگیری را افزایش می دهد.

coursera آماده شدن برای AI-900: آزمون مایکروسافت Azure AI Fundamentals (Mitalearn-329474)

  • 52 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

گواهینامه های مایکروسافت با ارائه مدارک شناخته شده و مورد تایید صنعت در سطح جهانی مبنی بر تسلط بر مهارت های کسب و کارهای دیجیتال و ابری به شما یک مزیت حرفه ای می دهد. دانش خود را در مورد اصول اساسی یادگیری ماشین در Microsoft Azure تجدید خواهید کرد. شما به بررسی اصلی بارهای کاری هوش مصنوعی و ویژگی های بینایی کامپیوتر، پردازش زبان طبیعی (NLP) و بارهای کاری هوش مصنوعی محاوره ای در Azure باز خواهید گشت. به طور خلاصه، تمام مفاهیم و مهارت‌های اصلی را که با امتحان اندازه‌گیری می‌شوند، جمع‌بندی می‌کنید. شما دانش خود را در یک سری آزمون های عملی که با تمام موضوعات اصلی تحت پوشش آزمون AI-900 ترسیم شده است، آزمایش خواهید کرد و اطمینان حاصل می کند که برای موفقیت در صدور گواهینامه آمادگی خوبی دارید. با شرکت در آزمون های عملی با قالب ها و محتوای مشابه، برای قبولی در آزمون گواهینامه آماده می شوید. همچنین یک نمای کلی دقیق تر از برنامه صدور گواهینامه مایکروسافت و جایی که می توانید در حرفه خود ادامه دهید دریافت خواهید کرد. همچنین نکات و ترفندها، استراتژی‌های تست، منابع مفید و اطلاعاتی در مورد نحوه ثبت‌نام در آزمون AI-900 Proctored دریافت خواهید کرد. در پایان این دوره، شما آماده ثبت نام و شرکت در آزمون AZ-900 خواهید بود. این دوره برای داوطلبان با سوابق فنی و غیر فنی در نظر گرفته شده است. علم داده و تجربه مهندسی نرم افزار مورد نیاز نیست. با این حال، برخی از دانش یا تجربه برنامه نویسی عمومی مفید خواهد بود. برای موفقیت در این دوره، باید سواد کامپیوتری اولیه و تسلط به زبان انگلیسی را داشته باشید. شما باید با مفاهیم اولیه محاسبات و اصطلاحات، مفاهیم کلی فناوری، از جمله مفاهیم یادگیری ماشین و هوش مصنوعی آشنا باشید.

linkedin آموزش Amazon SageMaker (Mitalearn-190023)

  • 1 hours 11 minutes
  • متوسط
  • Release date: 30 April 2019
  • Author: Martin Kemka
درباره این دوره:

SageMaker راه حل آمازون برای توسعه دهندگانی است که می خواهند مدل های یادگیری ماشینی پیش بینی را در یک محیط تولید مستقر کنند. برنامه نویسی در پایتون انجام می شود و نتایج را می توان به راحتی در برنامه های مبتنی بر ابر ادغام کرد. این درس‌ها کل گردش کار Amazon SageMaker را بررسی می‌کنند: تجزیه و تحلیل، ساخت، و استقرار نهایی. مربی Martin Kemka مزایای Amazon SageMaker را معرفی می کند و رابط و مجموعه ابزار مبتنی بر مرورگر آن را بررسی می کند. در فصل دوم، او نحوه وارد کردن، بررسی، تجسم و خلاصه کردن داده های خود را نشان می دهد. مرحله بعدی استفاده از یک نمونه داده تمیز برای آموزش یک مدل یادگیری ماشین برای انجام یک وظیفه اساسی است. در نهایت، مارتین نشان می دهد که چگونه مدل مستقر شده است. تقریباً هر فصل با چالشی به پایان می رسد که به شما امکان می دهد مهارت های جدید SageMaker خود را تمرین کنید.

coursera آموزش ChatGPT (Mitalearn-335764)

  • 3 hours 12 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Teach-Out Experts
درباره این دوره:

این Teach-Out یادگیرندگان را با هوش مصنوعی آشنا می‌کند و نحوه عملکرد مدل‌های زبان بزرگ و ربات‌های چت مانند ChatGPT را توضیح می‌دهد. استفاده اخلاقی از هوش مصنوعی، پیامدهای تألیف، و چگونگی استفاده از ابزارهایی مانند ChatGPT را بهتر درک خواهید کرد. ChatGPT در نوامبر 2022 راه اندازی شد تا وظایف پردازش زبان طبیعی مانند ترجمه، خلاصه سازی متن و تولید متن را بهبود بخشد. ظرف پنج روز پس از انتشار، ChatGPT از 1 میلیون کاربر گذشت. با دو ماه، از 100 میلیون کاربر فراتر رفت. بلافاصله پس از راه‌اندازی آن، نگرانی‌هایی در مورد پیامدهای اخلاقی استفاده از ChatGPT، به‌ویژه در آموزش، شروع شد. این Teach-Out متخصصان دانشگاه میشیگان را در زمینه فناوری ارتباطات، اقتصاد، هوش مصنوعی، پردازش زبان طبیعی، ارائه مراقبت‌های بهداشتی و قانون گرد هم می‌آورد تا درباره تأثیرات ChatGPT در حال حاضر و آینده بحث کند. این آموزش پاسخ خواهد داد: - ChatGPT چیست و چگونه کار می کند؟ - مزایا و معایب استفاده از ChatGPT چیست؟ - استفاده از ChatGPT چه پیامدهای قانونی دارد؟ - جامعه، اقتصاد و آموزش چگونه به ChatGPT پاسخ داده اند؟ - چگونه ChatGPT می تواند در جامعه رو به جلو ادغام شود؟ کلیه محتویات این Teach-Out به استثنای تصویر دوره دارای مجوز CC BY-SA هستند.

linkedin آموزش TensorFlow با جاوا اسکریپت (Mitalearn-149971)

  • 57 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Emmanuel Henri
درباره این دوره:

توسعه دهندگان جاوا اسکریپت می توانند از چارچوب TensorFlow برای ایجاد یک پروژه یادگیری ماشینی (ML) استفاده کنند. این دوره شما را با اصول ML آشنا می کند و نحوه راه اندازی و استفاده از TensorFlow را برای آموزش یک مدل و تولید نتایج زنده نشان می دهد. امانوئل هانری نحوه ایجاد یک پروژه جدید را نشان می دهد. نحوه کار با انواع مختلف تانسور، متغیرها، مدل ها و لایه ها. نحوه وارد کردن یک پروژه و کاوش مجموعه داده ها؛ چگونه TensorFlow آموزش مدل را اجرا می کند. نحوه تبدیل یک مدل ذخیره شده برای وب.

linkedin آموزش انتقال تصاویر با استفاده از PyTorch: Essential Training (Mitalearn-183546)

  • 58 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

PyTorch پس از معرفی خود در سال 2017 به سرعت به ابزار انتخابی بسیاری از محققان یادگیری عمیق تبدیل شد. در این دوره، جاناتان فرناندز به شما نشان می‌دهد که چگونه از این چارچوب یادگیری ماشینی محبوب برای تکنیکی مشابه استفاده کنید: یادگیری انتقال. جاناتان با استفاده از یک رویکرد عملی، اصول یادگیری انتقالی را توضیح می‌دهد، که به شما امکان می‌دهد از پارامترهای از پیش آموزش‌دیده‌شده یک مدل یادگیری عمیق موجود برای کارهای دیگر استفاده کنید. سپس نحوه پیاده‌سازی یادگیری انتقال برای تصاویر را با استفاده از PyTorch نشان می‌دهد، از جمله نحوه ایجاد یک استخراج کننده ویژگی ثابت و فریز کردن لایه‌های شبکه عصبی. به علاوه، در مورد استفاده از نرخ های یادگیری و نرخ های یادگیری متفاوت اطلاعات کسب کنید.

coursera آموزش سفارشی و توزیع شده با TensorFlow (Mitalearn-332500)

  • 3 hours 7 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laurence Moroney
درباره این دوره:

در این دوره، شما: • در مورد اشیاء Tensor، بلوک های ساختمانی اصلی TensorFlow بیاموزید، تفاوت بین حالت های مشتاق و گراف در TensorFlow را درک کنید، و یاد بگیرید که چگونه از ابزار TensorFlow برای محاسبه گرادیان ها استفاده کنید. • حلقه های آموزشی سفارشی خود را با استفاده از GradientTape و TensorFlow Datasets بسازید تا با آموزش مدل خود انعطاف پذیری و دید بیشتری داشته باشید. • در مورد مزایای تولید کدی که در حالت نمودار اجرا می‌شود، بیاموزید، نگاهی به شکل کد نمودار بیندازید، و تولید خودکار این کد کارآمدتر را با ابزارهای TensorFlow تمرین کنید. • از قدرت آموزش توزیع‌شده برای پردازش داده‌های بیشتر و آموزش مدل‌های بزرگ‌تر، سریع‌تر استفاده کنید، یک مرور کلی از استراتژی‌های آموزشی توزیع‌شده مختلف دریافت کنید، و کار با استراتژی‌ای را تمرین کنید که روی چندین هسته GPU آموزش می‌دهد، و استراتژی دیگری که روی چندین هسته TPU آموزش می‌دهد. تخصص DeepLearning.AI TensorFlow: Advanced Techniques ویژگی‌های TensorFlow را معرفی می‌کند که به یادگیرندگان کنترل بیشتری بر معماری مدل و ابزارهایی می‌دهد که به آنها کمک می‌کند مدل‌های پیشرفته ML را ایجاد و آموزش دهند. این تخصص برای مهندسین نرم افزار و یادگیری ماشین در مراحل اولیه و اواسط حرفه ای با درک اساسی از TensorFlow است که به دنبال گسترش دانش و مجموعه مهارت های خود با یادگیری ویژگی های پیشرفته TensorFlow برای ساخت مدل های قدرتمند هستند.

linkedin آموزش شبکه های عصبی در C++ (2021) (Mitalearn-199220)

  • 1 hours 46 minutes
  • پیشرفته
  • Release date: 26 February 2021
  • Author: Eduardo Corpeño
درباره این دوره:

در مورد هدف، ساختار و فرآیند آموزش شبکه های عصبی برای بهبود مهارت های یادگیری ماشینی خود بیاموزید. در این دوره پروژه محور، مدرس Eduardo Corpeño به شما یاد می دهد که چگونه یک سیستم هوشمند با یک شبکه عصبی را از ابتدا در C++ ایجاد کنید، همچنین نحوه انتخاب معماری شبکه عصبی و روش آموزش مناسب برای هر مشکل را به شما آموزش می دهد. ادواردو با توضیح تفاوت بین شبکه عصبی و سایر ابزارهای برنامه نویسی شروع می کند. او توضیح می دهد که چرا این دوره از C++ استفاده می کند و چگونه می توان انواع مختلف شبکه های عصبی را به جعبه ابزار خود اضافه کرد. الهام‌بخش شبکه‌های عصبی مصنوعی مغز است و ادواردو بخش‌هایی از یک نورون بیولوژیکی را به عناصر C++ مرتبط می‌کند، سپس نحوه استفاده از توابع فعال‌سازی و پرسپترون‌ها را در ساخت مدل‌های عصبی نشان می‌دهد. ادواردو مراحلی را که برای ساخت و آموزش شبکه خود نیاز دارید را پوشش می دهد. او تشخیص بخش نمایشگر را توضیح می دهد، سپس شما را از طریق طراحی و آموزش شبکه عصبی SDR خود راهنمایی می کند.

linkedin آموزش ضروری Apache Spark Deep Learning (Mitalearn-162721)

  • 42 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

Apache Spark به طور گسترده به عنوان پلتفرم برتر برای حرفه ای ها در نظر گرفته می شود که باید بینش های جامع تری را از داده های خود به دست آورند. در این دوره آموزشی، یکی از هیجان انگیزترین جنبه های این پلتفرم کلان داده را بررسی کنید – توانایی آن در انجام یادگیری عمیق با تصاویر. جاناتان فرناندز، مربی، قبل از اینکه به طور کامل به یادگیری عمیق در اسپارک با استفاده از پایتون بپردازد، راه‌های مختلف برای انجام یادگیری عمیق در Spark و همچنین کتابخانه‌های کلیدی موجود در حال حاضر را بررسی می‌کند. سپس نشان می دهد که چگونه محیط یادگیری عمیق Spark خود را راه اندازی کنید، با استفاده از کتابخانه یادگیری عمیق Databricks با تصاویر در Spark کار کنید، از یک مدل از پیش آموزش دیده استفاده کنید و یادگیری را انتقال دهید، و مدل ها را به عنوان توابع SQL به کار ببرید.

linkedin آموزش ضروری Google Cloud Platform for Machine Learning (Mitalearn-394040)

  • 1 hours 35 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Lynn Langit
درباره این دوره:

یادگیری ماشینی می تواند برنامه های شما را سریعتر و هوشمندتر کند. شما می توانید داده های مشتری مانند ورودی صوتی و متنی، تصاویر و ویدئو را تجزیه و تحلیل کنید و بدون دخالت انسان اقدام کنید. Google Cloud Platform (GCP) مجموعه‌ای رقابتی از خدمات یادگیری ماشینی را برای تقریباً هر نوع معماری، از جمله محاسبات بدون سرور، کانتینرها و ماشین‌های مجازی ارائه می‌دهد. در این دوره با مربی لین لنگیت، استفاده از ابزارها و خدمات توسعه مدل یادگیری ماشینی موجود در Google Cloud را بیاموزید. Lynn نشان می دهد که چگونه می توانید از خدمات یادگیری ماشینی Vertex AI برای توسعه، آموزش، ارزیابی و میزبانی مدل های یادگیری ماشین سفارشی استفاده کنید. بیاموزید که چگونه می‌توانید مدل‌های خود را بیاورید یا از مدل‌های پایه هوش مصنوعی که اخیراً منتشر شده‌اند به عنوان مبنایی برای کار خود استفاده کنید. کشف کنید که چگونه ابزارهای جدیدی مانند Google AI Studio می‌توانند شما را به سرعت راه‌اندازی کنند و نحوه استفاده از Vertex AI APIs برای تسلط بر MLO‌های سرتاسری را ببینید.

Suggestions