اپلیکیشن اندرویدی فلش‌کارت آموزشی یادگیری ماشین با Google Cloud AI Platform / Vertex AI

249,500 تومان
یادگیری ماشین با Google Cloud AI Platform / Vertex AI - شاهراه هوش مصنوعی دوره جامع: یادگیری ماشین با Google Cloud AI Platform / Vertex AI شاهراه شما به سوی تسلط بر هوش مصنوعی ابری و انقلاب یادگیری ما...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,375 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین با Google Cloud AI Platform / Vertex AI

موضوع کلی: برنامه نویسی

موضوع میانی: رایانش ابری (Cloud Computing)

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین
  • 2. مقدمه ای بر هوش مصنوعی
  • 3. مقدمه ای بر یادگیری ماشین
  • 4. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 5. مبانی یادگیری عمیق
  • 6. شبکه های عصبی چیستند
  • 7. مقدمه ای بر Google Cloud Platform (GCP)
  • 8. مفاهیم اساسی رایانش ابری
  • 9. معماری Google Cloud Platform
  • 10. خدمات اصلی GCP: Compute Engine, Cloud Storage, BigQuery
  • 11. مقدمه ای بر Google Cloud AI Platform / Vertex AI
  • 12. چرا از Vertex AI استفاده کنیم؟
  • 13. مزایای استفاده از پلتفرم ابری برای ML
  • 14. نصب و پیکربندی Google Cloud SDK
  • 15. تنظیم حساب Google Cloud
  • 16. ایجاد پروژه GCP
  • 17. مدیریت اعتبارنامه ها (Credentials)
  • 18. مبانی خط فرمان GCP (gcloud CLI)
  • 19. کار با Cloud Shell
  • 20. مقدمه ای بر Jupyter Notebooks
  • 21. استفاده از Jupyter Notebooks در GCP
  • 22. مقدمه ای بر Dataflow
  • 23. پردازش داده های بزرگ با Dataflow
  • 24. مقدمه ای بر Dataproc
  • 25. پردازش داده ها با Apache Spark و Hadoop در Dataproc
  • 26. مقدمه ای بر BigQuery ML
  • 27. استفاده از BigQuery ML برای مدل سازی
  • 28. آماده سازی داده ها برای یادگیری ماشین
  • 29. جمع آوری داده ها
  • 30. پاکسازی داده ها
  • 31. مهندسی ویژگی (Feature Engineering)
  • 32. کشف و تحلیل داده ها (Exploratory Data Analysis - EDA)
  • 33. تجسم داده ها (Data Visualization)
  • 34. تقسیم داده ها: آموزش، اعتبارسنجی، تست
  • 35. انتخاب مدل های یادگیری ماشین
  • 36. رگرسیون خطی
  • 37. رگرسیون لجستیک
  • 38. درختان تصمیم (Decision Trees)
  • 39. جنگل های تصادفی (Random Forests)
  • 40. ماشین های بردار پشتیبان (Support Vector Machines - SVM)
  • 41. مدل های خوشه بندی (Clustering Models): K-Means
  • 42. کاهش ابعاد: PCA
  • 43. مقدمه ای بر شبکه های عصبی عمیق
  • 44. لایه های شبکه عصبی: Dense, Convolutional, Recurrent
  • 45. توابع فعال سازی (Activation Functions)
  • 46. توابع هزینه (Loss Functions)
  • 47. بهینه سازها (Optimizers): SGD, Adam
  • 48. قوانین تنظیم (Regularization Techniques)
  • 49. مبانی آموزش مدل های عمیق
  • 50. مدیریت مجموعه داده ها در Vertex AI Datasets
  • 51. ایجاد و مدیریت مجموعه داده های عددی
  • 52. ایجاد و مدیریت مجموعه داده های تصویری
  • 53. ایجاد و مدیریت مجموعه داده های متنی
  • 54. ایجاد و مدیریت مجموعه داده های ویدئویی
  • 55. آموزش مدل های سفارشی در Vertex AI Training
  • 56. استفاده از Custom Containers برای آموزش
  • 57. تنظیم منابع محاسباتی برای آموزش
  • 58. مدیریت پارامترهای آموزش
  • 59. نظارت بر فرآیند آموزش
  • 60. استفاده از TensorBoard برای تجسم آموزش
  • 61. تنظیم پارامترهای هایپرپارامتر (Hyperparameter Tuning)
  • 62. جستجوی شبکه‌ای (Grid Search)
  • 63. جستجوی تصادفی (Random Search)
  • 64. بهینه سازی بیزی (Bayesian Optimization)
  • 65. تنظیم خودکار هایپرپارامترها در Vertex AI
  • 66. استفاده از الگوریتم های آماده در Vertex AI (AutoML)
  • 67. AutoML برای تصاویر
  • 68. AutoML برای متن
  • 69. AutoML برای داده های جدولی (Tabular Data)
  • 70. AutoML برای ویدئو
  • 71. ارزیابی و انتخاب مدل
  • 72. متریک های ارزیابی رگرسیون: MSE, RMSE, MAE, R-squared
  • 73. متریک های ارزیابی طبقه بندی: Accuracy, Precision, Recall, F1-score, AUC-ROC
  • 74. ماتریس درهم ریختگی (Confusion Matrix)
  • 75. اعتبارسنجی متقابل (Cross-Validation)
  • 76. انتخاب بهترین مدل بر اساس متریک ها
  • 77. استقرار مدل های یادگیری ماشین در Vertex AI Endpoints
  • 78. استقرار مدل های سفارشی
  • 79. استقرار مدل های AutoML
  • 80. نظارت بر عملکرد Endpoints
  • 81. مقیاس بندی Endpoints
  • 82. مدیریت نسخه مدل
  • 83. استفاده از Vertex AI Model Registry
  • 84. مدیریت چرخه عمر مدل
  • 85. استفاده از Vertex AI Pipelines
  • 86. طراحی و ساخت پایپلاین های ML
  • 87. اجرای پایپلاین ها
  • 88. نظارت بر پایپلاین ها
  • 89. اتوماسیون گردش کار ML
  • 90. یکپارچگی پایپلاین با سایر خدمات GCP
  • 91. مباحث پیشرفته در Vertex AI
  • 92. یادگیری انتقال (Transfer Learning)
  • 93. شبکه های مولد تخاصمی (Generative Adversarial Networks - GANs)
  • 94. پردازش زبان طبیعی (NLP) با Vertex AI
  • 95. شناخت موجودیت نام گذاری شده (Named Entity Recognition - NER)
  • 96. تحلیل احساسات (Sentiment Analysis)
  • 97. ترجمه ماشینی (Machine Translation)
  • 98. تولید متن (Text Generation)
  • 99. بینایی ماشین (Computer Vision) با Vertex AI
  • 100. تشخیص اشیاء (Object Detection)
اپلیکیشن آموزشی اندروید
یادگیری هوشمند، همیشه همراه شما
فلش‌کارت‌های آموزشی را در یک محیط فارسی، ساده و کاربردی مرور کنید؛ پاسخ‌های خود را بسنجید و پیشرفت یادگیری‌تان را دنبال کنید.
مطالعه آفلاین محیط فارسی و راست‌چین ویژه اندروید
فلش‌کارت آموزشی؛ روشی کاربردی برای مرور مطالب

این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلش‌کارت طراحی شده است. کارت‌ها را یکی‌یکی مرور کنید، پاسخ پرسش‌ها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.

📴
یادگیری بدون اینترنت مداوم
پس از نصب و در دسترس بودن محتوای دوره، فلش‌کارت‌ها را در زمان و مکان دلخواه مرور کنید.
🗂️
انواع محتوای آموزشی
از نکته‌های آموزشی تا پرسش‌های چهارگزینه‌ای و پرسش‌وپاسخ، مطالب را متناسب با نیاز خود مرور کنید.
📊
ارزیابی میزان یادگیری
پاسخ‌های درست و غلط خود را ثبت کنید و آمار عملکردتان را به تفکیک نوع محتوا ببینید.
🎯
مرور هدفمند فصل‌ها
فصل‌های موردنظر را انتخاب کنید و با استفاده از گزینه انتخاب همه، مرور فصل‌های مرورنشده را در اولویت قرار دهید.
انواع فلش‌کارت‌های قابل مرور

محتوای آموزشی در قالب‌های متنوع ارائه می‌شود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموخته‌ها قابل استفاده باشد.

💬
نکته‌های خودمانی
یادگیری ساده و روان
📘
نکته‌های رسمی و کتابی
مرور دقیق مفاهیم
📝
پرسش‌های چهارگزینه‌ای
سنجش آموخته‌ها
❓
پرسش‌وپاسخ
تمرین یادآوری پاسخ
🎓
درسنامه
مرور محتوای آموزشی
امکانات مرور و ارزیابی
حرکت ساده بین کارت‌ها
استفاده از دکمه‌های قبلی و بعدی و مشاهده نوار پیشرفت برای دنبال کردن روند مرور.
مشاهده پاسخ و توضیحات
برگرداندن کارت برای نمایش پاسخ و توضیحات در قالب‌هایی مانند تست و پرسش‌وپاسخ.
تنظیم اندازه فونت
انتخاب اندازه مناسب نوشته‌ها برای تجربه مطالعه راحت‌تر.
نمایش فرمول‌های ریاضی
پشتیبانی از نمایش صحیح فرمول‌ها و روابط ریاضی مبتنی بر LaTeX.
ثبت نتیجه و گزارش آماری
علامت‌گذاری هر پاسخ به‌صورت درست یا غلط و مشاهده تعداد و درصد موفقیت برای انواع محتوا.
طراحی‌شده برای مطالعه روزمره
  • رابط کاربری فارسی و راست‌چین با فونت وزیر.
  • تم روشن و تیره مطابق تنظیمات سیستم.
  • صفحه‌بندی ساده برای انتخاب دوره و شروع مرور.
  • نمایش تعداد دفعات مرور هر فصل.
  • انتخاب چند فصل برای مرور هم‌زمان.
  • امکان تمرکز بر فصل‌هایی که هنوز مرور نشده‌اند.
مناسب برای چه کسانی است؟

این اپلیکیشن برای دانش‌آموزان، دانشجویان، داوطلبان آزمون‌ها و علاقه‌مندان به یادگیری طراحی شده است؛ به‌ویژه کسانی که می‌خواهند مطالب آموزشی را در زمان‌های کوتاه مرور کنند، دانسته‌های خود را بسنجند و مطالعه منظم‌تری داشته باشند.

توجه: محتوای آموزشی و تعداد فلش‌کارت‌ها به دوره انتخاب‌شده بستگی دارد. محتوای دوره پس از نصب، درون برنامه قابل استفاده است؛ با این حال، دریافت اولیه اپلیکیشن و به‌روزرسانی‌های احتمالی ممکن است به اینترنت نیاز داشته باشند.
گالری تصاویر اپلیکیشن‌ها
محیط واقعی اپلیکیشن‌های آموزشی ما
تصاویر زیر، نمونه‌هایی از محیط واقعی اپلیکیشن‌های آموزشی ما هستند و قالب کلی، سبک طراحی و شیوه نمایش محتوای آموزشی در این برنامه‌ها را نشان می‌دهند.
نگاهی به فضای داخل برنامه
تصویر محیط اپلیکیشن آموزشی ۱
نمای اپلیکیشن ۱
تصویر محیط اپلیکیشن آموزشی ۲
نمای اپلیکیشن ۲
تصویر محیط اپلیکیشن آموزشی ۳
نمای اپلیکیشن ۳
تصویر محیط اپلیکیشن آموزشی ۴
نمای اپلیکیشن ۴
تصویر محیط اپلیکیشن آموزشی ۵
نمای اپلیکیشن ۵
تصویر محیط اپلیکیشن آموزشی ۶
نمای اپلیکیشن ۶
تصویر محیط اپلیکیشن آموزشی ۷
نمای اپلیکیشن ۷
تصویر محیط اپلیکیشن آموزشی ۸
نمای اپلیکیشن ۸
تصویر محیط اپلیکیشن آموزشی ۹
نمای اپلیکیشن ۹
تصویر محیط اپلیکیشن آموزشی ۱۰
نمای اپلیکیشن ۱۰
تصویر محیط اپلیکیشن آموزشی ۱۱
نمای اپلیکیشن ۱۱
نکته مهم درباره تصاویر
این تصاویر نمونه‌ای از قالب و سبک طراحی اپلیکیشن‌های آموزشی ما هستند. اپلیکیشن ارائه‌شده نیز از همین رویکرد طراحی و نمایش محتوای آموزشی پیروی می‌کند؛ جزئیات ظاهری و امکانات قابل مشاهده ممکن است متناسب با نوع دوره و بخش مورد استفاده متفاوت باشد.
تگ‌ها: Cloud Computing Google Cloud Google Cloud AI Platform Machine Learning Vertex AI Vertex AI چیست آموزش هوش مصنوعی آموزش یادگیری ماشین برنامه نویسی برنامه نویسی ابری پلتفرم هوش مصنوعی گوگل دوره یادگیری ماشین رایانش ابری رایانش ابری گوگل هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.