دوره آموزشی توسعه مدلهای یادگیری ماشین با پایتون و T-SQL
39 دقیقهپیشرفته2025-02-03
مدرسین

Sam Nasr
جزئیات دوره
در این دوره، سم نصیر، مهندس ارشد نرمافزار و مدرس، شما را با مهارتهای لازم برای استفاده از پایتون و T-SQL برای ساخت مدلهای ماشین لرنینگ قدرتمند آشنا میکند. در این دوره، یاد خواهید گرفت که چگونه محیط توسعه خود را راهاندازی کنید، دادهها را بهطور یکپارچه وارد SQL Server کنید و آنها را برای آموزش مدل آماده سازید. اصول اولیه الگوریتمهای مختلف یادگیری ماشین، تکنیکهای پیشپردازش دادهها و تنظیم پارامترهای هیپر برای بهبود عملکرد مدل را بررسی خواهید کرد. همچنین، نحوه استفاده از ابزارهایی مانند Visual Studio Code، Pandas، SQLAlchemy و scikit-learn را برای توسعه و پیادهسازی مؤثر مدلها خواهید آموخت. علاوه بر این، یاد میگیرید که چگونه مدلهای آموزش دیده خود را در داخل پایگاه داده SQL Server ذخیره، دسترسی و مدیریت کنید. پس از اتمام این دوره، شما به مهارتهای لازم برای آموزش، ارزیابی و پیادهسازی مدلهای یادگیری ماشین دست خواهید یافت و بهترین شیوهها برای مدیریت دادهها و مدلها را اعمال خواهید کرد.
اهداف یادگیری:
✅ پیکربندی SQL Server: نحوه تنظیم SQL Server برای استفاده از کد پایتون در اسکریپتهای T-SQL
✅ آموزش و ارزیابی مدلهای یادگیری ماشین: آموزش، ارزیابی و استفاده از مدلهای یادگیری ماشین برای پیشبینی با استفاده از پایتون و T-SQL
✅ استفاده از کتابخانههای پایتون برای یادگیری ماشین: یادگیری نحوه استفاده از کتابخانههای پایتون برای آموزش مدلهای یادگیری ماشین با استفاده از دادهها در پایگاه داده SQL Server
✅ ذخیره و بازیابی مدلهای ماشین لرنینگ: یادگیری نحوه ذخیره و بازیابی مدلهای ماشین لرنینگ در پایگاه داده SQL Server با استفاده از پایتون و T-SQL
اهداف یادگیری:
✅ پیکربندی SQL Server: نحوه تنظیم SQL Server برای استفاده از کد پایتون در اسکریپتهای T-SQL
✅ آموزش و ارزیابی مدلهای یادگیری ماشین: آموزش، ارزیابی و استفاده از مدلهای یادگیری ماشین برای پیشبینی با استفاده از پایتون و T-SQL
✅ استفاده از کتابخانههای پایتون برای یادگیری ماشین: یادگیری نحوه استفاده از کتابخانههای پایتون برای آموزش مدلهای یادگیری ماشین با استفاده از دادهها در پایگاه داده SQL Server
✅ ذخیره و بازیابی مدلهای ماشین لرنینگ: یادگیری نحوه ذخیره و بازیابی مدلهای ماشین لرنینگ در پایگاه داده SQL Server با استفاده از پایتون و T-SQL
مهارت ها
SQL ServerDatabase AdministrationMachine LearningDatabase DevelopmentPythonDatabase ManagementArtificial Intelligence (AI)Programming LanguagesOpen SourceMicrosoftSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - باز کردن پتانسیل - پایتون و سرور SQL برای ML
- 02 - آنچه باید بدانید
1. بررسی اجمالی
- 03 - راهاندازی محیط توسعه
2. راهاندازی پروژه
- 04 - توسعه مدل
- 05 - کتابخانهها و ماژولهای پایتون
3. استفاده از مدل
- 06 - نمای کلی پروژه
- 07 - دمو - آموزش مدل برای رگرسیون خطی
- 08 - دمو - استفاده از مدل برای پیشبینی رگرسیون خطی
- 09 - نسخه ی نمایشی - دانلود دادههای طبقه بندی
- 10 - دمو - آموزش و استفاده از مدل برای پیشبینی طبقه بندی
- 11 - نسخه ی نمایشی - بارگذاری دادهها برای تجزیهوتحلیل احساسات
- 12 - دمو - آموزش و استفاده از مدل پیش بینیهای تحلیل احساسات
- 13 - نسخه ی نمایشی - بارگذاری دادههای مسکن برای خط لوله، اعتبار سنجی متقاطع و فراپارامترها
- 14 - دمو - استفاده از دادهها برای خط لوله، اعتبار سنجی متقاطع و هایپرپارامترها
4. مشکلات رایج و مراحل بعدی
- 15 - دامهای رایج
- 16 - بهترین شیوه ها
- 17 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی اپلیکیشنهای مبتنی بر LLM با Streamlit
- دوره آموزشی پایتون پیشرفته در اکسل: یادگیری ماشین
- دوره آموزشی مبانی برنامهنویسی: هوش مصنوعی
- دوره آموزشی گزارشگیری مالی خودکار با استفاده از هوش مصنوعی
- دوره آموزشی توسعه چت بات ها با آزور
- دوره آموزشی تمرین عملی با مدلهای GPT: نکات و ترفندها
- دوره آموزشی مبانی GPT: ساخت اپلیکیشنهای مجهز به هوش مصنوعی
- دوره آموزشی مبانی یادگیری ماشین: ساخت نمونه اولیه با Edge Impulse
مسیرهای مرتبط
- مسیر آموزشی تبدیل شدن به یک مهندس یادگیری ماشین
- مسیر آموزشی توسعه مهارتهای پایتون برای هوش مصنوعی و یادگیری ماشین
- مسیر آموزشی توسعه دادن مهارت های SPSS
- مسیر آموزشی ارتقای مهارتهای پایتون در اکسل
- مسیر آموزشی گواهینامه حرفهای هوش مصنوعی مولد از Snowflake
- مسیر آموزشی توسعه مهارت های هوش مصنوعی خود با Google Gemini و Google Cloud Platform
- مسیر آموزشی ساخت سیستمهای هوش مصنوعی عاملمحور برای توسعهدهندگان
- مسیر آموزشی مهارت های اساسی هوش مصنوعی برای مدیریت Azure