دوره آموزشی استفاده از یادگیری ماشینی مبتنی بر ابر در AWS: برنامههای دنیای واقعی
1 ساعت 28 دقیقهمتوسط2019-10-22
مدرسین

David Linthicum
Chief Cloud Strategy Officer at Deloitte Consulting
جزئیات دوره
هزینه و کارایی ابر، یادگیری ماشینی و هوش مصنوعی (AI) را در اختیار شرکتهای بزرگ و کوچک قرار میدهد. با خدمات وب آمازون به سازمان خود کمک کنید تا از قدرت خود استفاده کند. این دوره یک رویکرد عملی برای استفاده از AWS برای کاربردهای مبتنی بر هوش مصنوعی در صنایع مختلف، از جمله مراقبتهای بهداشتی، مالی، اجرای قانون، تولید و آموزش است. مربی دیوید لینتیکوم SageMaker، پلتفرم هوش مصنوعی آمازون را معرفی می کند و موارد استفاده مختلفی را ارائه می دهد که بهترین شیوه ها، ابزارها و تکنیک های فعلی را نشان می دهد. او نشان می دهد که چگونه می توان مدل های یادگیری ماشینی را با SageMaker ساخت و آموزش داد و آنها را در برنامه های دنیای واقعی ادغام کرد. دیوید همچنین با نمایش راهحلهای واقعی AWS، نگرانیهای مربوط به هوش مصنوعی مانند هزینه و امنیت را برطرف میکند.
اهداف یادگیری
اصول هوش مصنوعی
موارد استفاده از هوش مصنوعی
ساخت، آموزش، و استقرار برنامه ها با SageMaker
ایجاد داده های تست و آموزش مدل SageMaker شما
برنامه کاربردی هوش مصنوعی
هزینه های هوش مصنوعی
امنیت هوش مصنوعی
حکمرانی هوش مصنوعی
اهداف یادگیری
اصول هوش مصنوعی
موارد استفاده از هوش مصنوعی
ساخت، آموزش، و استقرار برنامه ها با SageMaker
ایجاد داده های تست و آموزش مدل SageMaker شما
برنامه کاربردی هوش مصنوعی
هزینه های هوش مصنوعی
امنیت هوش مصنوعی
حکمرانی هوش مصنوعی
مهارت ها
Cloud DevelopmentMachine LearningAmazon Web Services (AWS)AmazonCloud ServicesArtificial Intelligence (AI)Cloud ComputingOne-Off
سرفصل ها
0. مقدمه
- 01 - با AWS به قدرت هوش مصنوعی (AI) ضربه بزنید
- 02 - هوش مصنوعی در AWS
- 03 - آنچه باید بدانید
1. مبانی هوش مصنوعی
- 04 - پردازش هوش مصنوعی
- 05 - ایجاد دانش
- 06 - برنامه های کاربردی هوش مصنوعی
- 07 - هوش مصنوعی و محاسبات ابری
- 08 - AI و AWS
2. موارد استفاده هوش مصنوعی
- 09 - بهداشت و درمان
- 10 - امور مالی
- 11 - مجری قانون
- 12 - ساخت و ساز
- 13 - آموزش و پرورش
3. AWS SageMaker
- 14 - ساخت SageMaker
- 15 - قطار SageMaker
- 16 - SageMaker استقرار
- 17 - یک نوت بوک SageMaker ایجاد کنید
- 18 - ایجاد داده های تست و آموزش مدل
4. AWS SageMaker Ground Truth
- 19 - چه فرقی دارد
- 20 - مورد استفاده
5. AI Application Walkthrough
- 21 - لازمه
- 22 - طراحی
- 23 - ساخت
- 24 - قطار
- 25 - مستقر کنید
6. سایر ملاحظات
- 26 - عملکرد
- 27 - هزینه
- 28 - عملیات
- 29 - امنیت
- 30 - حکومت داری
نتیجه
- 31 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی استفاده از یادگیری ماشینی مبتنی بر ابر در Azure: برنامه های کاربردی در دنیای واقعی
- دوره آموزشی استفاده از آموزش مبتنی بر ابر در Google Cloud Platform: برنامه های دنیای واقعی
- دوره آموزشی آمادگی برای گواهینامه مهندس داده حرفهای Google Cloud آپدیت (2025)
- دوره آموزشی تحلیلگر امنیت سایبری مبتنی بر هوش مصنوعی
- دوره آموزشی یادگیری Selenium: ساختاردهی، مقیاسبندی، اجرا و بهینهسازی تستهای خودکار
- دوره آموزشی یادگیری Databricks GenAI
- دوره آموزشی ساخت عاملهای هوش مصنوعی و خودکارسازی جریانهای کاری با n8n
- دوره آموزشی آمادگی گواهینامه Google Cloud Digital Leader: بخش دوم نوآوری با داده و Google Cloud
مسیرهای مرتبط
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک Azure Administrator
- مسیر آموزشی آماده شدن برای گواهینامه مهندس داده حرفه ای Google Cloud
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی ساخت سیستمهای هوش مصنوعی عاملمحور برای رهبران فناوری
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی
- مسیر آموزشی شروع به کار به عنوان یک مدیر برنامه ریزی موجودی
- مسیر آموزشی مهارت های اساسی هوش مصنوعی برای مدیریت Azure