دوره آموزشی داده های مصنوعی: مفاهیم و برنامه های پیشرفته
38 دقیقهپیشرفته2023-01-03
مدرسین

Michael Galarnyk
Python Instructor and Blogger

Madecraft
Full-Service Learning Content Company
جزئیات دوره
ما از داده ها برای تصمیم گیری، درک روندها و بهینه سازی فرآیندها استفاده می کنیم. و داده ها جزء کلیدی یادگیری ماشین هستند. اما جمعآوری دادههایی که دارای کیفیت، کمیت و تنوع مورد نیاز برای استفاده از یادگیری ماشینی هستند، میتواند زمانبر و دشوار باشد. در این دوره، کشف کنید که چگونه میتوانید از دادههای مصنوعی – اطلاعات تولید شده مصنوعی، نه دادههای جمعآوریشده از رویدادهای دنیای واقعی – برای یادگیری ماشین استفاده کنید. نحوه تولید داده های مصنوعی، نحوه ترکیب آن با داده های واقعی و تفاوت های مهم بین داده های مصنوعی و واقعی را بیاموزید. نکات و ترفندهایی را برای بهینه سازی عملکرد تمرینی خود دریافت کنید و نحوه تشخیص مشکلات داده مصنوعی را بیابید. این دوره را بررسی کنید تا یاد بگیرید چگونه تشخیص دهید که چه زمانی به داده های مصنوعی نیاز است، چگونه روش های تولید داده را انتخاب کنید و از استراتژی های مختلف آموزش مدل استفاده کنید.
مهارت ها
Machine LearningGenerative AIArtificial Intelligence (AI)One-Off
سرفصل ها
0. مقدمه
- 01 - قدرت دادههای مصنوعی را باز کنید
1. مقدمه ای بر دادههای مصنوعی
- 02 - بیان ارزش دادههای مصنوعی
- 03 - دانش پیشینه مورد نیاز
2. تولید دادههای مصنوعی
- 04 - تعریف دادههای مصنوعی
- 05 - تولید دادههای مصنوعی
- 06 - تعریف شکاف دامنه
- 07 - کاهش شکاف دامنه
- 08 - هوش مصنوعی مولد چیست
- 09 - خطاهای واقعی دادهها و راه حل ها
- 10 - دادههای مصنوعی برای لبه ها
3. پیادهسازی دادههای مصنوعی
- 11 - کمبود برچسب در دنیای واقعی
- 12 - بهره گیری از پیش آموزش و تنظیم دقیق
- 13 - استفاده از تمرینات مشترک
- 14 - به کارگیری تکنیکهای نمونه گیری از داده ها
- 15 - حریم خصوصی با دادههای مصنوعی
- 16 - یادگیری ماشینی با دادههای مصنوعی
نتیجه
- 17 - با دادههای مصنوعی جلوتر بروید
دوره های مرتبط
- دوره آموزشی تنظیم دقیق مدلهای زبان بزرگ (LLMs) برای امنیت سایبری: Mistral، Llama، AutoTrain، AutoGen و عوامل LLM
- دوره آموزشی آمادهسازی داده، مهندسی ویژگی و افزایش داده برای مدلهای هوش مصنوعی
- دوره آموزشی داده مصنوعی بهعنوان آیندهی حریم خصوصی، شفافیت و عدالت در هوش مصنوعی: مقدمهای برای دانشمندان و مدیران داده
- دوره آموزشی مقدمهای بر شبکههای مولد تخاصمی (GANها)
- دوره آموزشی ابزارهای مولد هوش مصنوعی برای بهره وری و تحقیق
- دوره آموزشی دوره آموزشی تجزیه و تحلیل داده های شطرنجی جغرافیایی در پایتون
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی تصمیمگیری دادهمحور با پرپلکسیتی (Perplexity)
مسیرهای مرتبط
- مسیر آموزشی مقدمهای بر مهارتهای پایه برای کار با داده: استراتژی و برنامهریزی دادهها
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی
- مسیر آموزشی استفاده از هوش مصنوعی بهعنوان یک تحلیلگر امنیت سایبری
- مسیر آموزشی تبدیل شدن به یک مهندس DevOps
- مسیر آموزشی هوش مصنوعی در مراقبتهای بهداشتی: اصول برای نقشهای فنی
- مسیر آموزشی ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی
- مسیر آموزشی تقویت مهارت های خود را در یادگیری عمیق و شبکه های عصبی
- مسیر آموزشی ارتقا مهارت های خود در پردازش زبان طبیعی