پیشنهاد فرادرس

آموزش ساخت اپلیکیشن با Watson AI

دسته بندی ها: هوش مصنوعی ، آموزش Watson AI

رشد و تکامل IBM Watson از یک مسابقه پرسش و پاسخ رایانه ای شروع شده است، یک مجموعه از رابط های برنامه‌ نویسی کاربردی (API) بر مبنای هوش مصنوعی (AI)که بر روی محیط ابری شرکت IBM قابل دسترس می باشد. این رابط های برنامه‌ نویسی کاربردی واتسون، می توانند تمام انواع داده ها را دریافت کرده، درک کنند، تجزیه و تحلیل کنند، به اشکال مختلف طبیعی با انسان تعامل داشته باشند، یاد بگیرند و پاسخ بدهند – در مقیاس بزرگتر، همه این موارد اجازه می دهد تا فرآیندهای کسب و کار و برنامه های کاربردی دوباره تفسیر شوند.

این دوره به شما یک معرفی عملی برای درک دقیق رابط های برنامه‌ نویسی کاربردی واتسون با ویژگی هوش مصنوعی، ارائه می دهد، اینکه چطور آنها را آموزش دهید و سرانجام با استفاده از آنها یک برنامه کاربردی بسازید. شما آموزش را با یادگیری مفاهیم اساسی در مورد هر یک موارد، رابط های برنامه‌ نویسی کاربردی، مقدار زیادی نمونه کد برای چگونگی استفاده از آنها بر روی انواع مختلف از داده های غیر ساخت یافته، در نظر گرفتن سناریو هایی که می توانید این موارد را به آنها اعمال کنید و علاوه بر آن نمونه های موردی از استفاده در زندگی واقعی، به پیش می برید. شما چگونگی ساخت برنامه های محاوره ای با نام های مستعار chat-bots، تجزیه و تحلیل متن در سطح عمیق تر، transcribe audio، آموزش یک ماشین برای طبقه بندی و تشخیص اشیاء در تصاویر، شناسایی موجودیت ها، احساسات، احساسات و روابط از مقالات خبری و غیره را یاد خواهید گرفت.

شما همچنین انواع مختلفی از مبانی داده های هوش مصنوعی، شامل یادگیری ماشین و یادگیری عمیق را به عنوان رهیافتی برای ساخت سیستم های هوش مصنوعی، خواهید آموخت. شما در این دوره اصول پایه جهت شروع کار با محیط ابری IBM Watson و ایجاد محیط برای ساخت برنامه های با ویژگی هوش مصنوعی را خواهید آموخت.

در پایان دوره، شما درک کاملی از رابط های برنامه‌ نویسی کاربردی مختلف واتسون خواهید داشت و خواهید توانست مهارت های خود را برای بهره مندی از رابط های برنامه‌ نویسی کاربردی واتسون، در برنامه های کاربردی و فرآیندهای کسب و کار، که ممکن است با آنها کار کنید، را توسعه دهید.

تمامی کد ها و فایل های پشتیبانی مربوط به این دوره در این صفحه قابل دسترس می باشد.

سبک و رهیافت دوره

این دوره عملی به همراه دستورالعمل های گام به گام، نمونه کارها و توصیه های مفید برای شروع با IBM Watson می باشد. این دوره جامع به بخش های کوچک و واضحی تقسیم شده است تا بتوانید متناسب با سرعت خود یاد بگیرید و بر روی قسمت هایی که بیشتر مورد علاقه شما هستند تمرکز کنید.

مباحث دوره:

  • معرفی چارچوبIBM Watson
  • بازبینی دوره
  • مفاهیم پایه
  • معرفی IBM Watson
  • چارچوب IBM Watson
  • سازگاری IBM Watson
  • شروع برنامه نویسی برای IBM Watson
  • رابط های برنامه‌ نویسی کاربردی Watson
  • محیط ابریIBM
  • استفاده از IBM Node-RED برای اینترنت اشیا
  • پایتون و Node.js SDK
  • ساخت سیستم های محاوره ای با استفاده از سرویس محاوره ای واتسون
  • بررسی دقیق دستیار صوتی واتسون
  • تعریف اشیا intent و Entities Workspace
  • بررسی سرویس Dialog در دستیار صوتی واتسون
  • بهبود مداوم مدل ها
  • تجزیه و تحلیل متن غنی شده با استفاده از ویژگی درک زبان طبیعی واتسون
  • بررسی دقیق ویژگی درک زبان طبیعی واتسون NLU
  • درک موجودیت ‌ها و روابط
  • مفاهیم، ​​دسته بندی ها و کلمات کلیدی
  • درک احساس و روابط
  • تشخیص احساس و عاطفه
  • تجزیه و تحلیل شکایات مشتریان
  • بکار گیری یک نمونه موردی از ویژگی درک زبان طبیعی واتسون NLU
  • اضافه کردن قابلیت های تشخیص گفتار به رابط های برنامه‌ نویسی کاربردی شما با استفاده از Watson Speech to Text
  • بررسی دقیق Watson Speech to Text
  • بهبود مدل STT با استفاده از کلمات سفارشی
  • ایجاد مدل صوتی سفارشی خود
  • دسته بندی تصویر
  • ساخت برنامه تماس متنی درآمد های شرکت
  • مدل های تشخیص تصویر با استفاده از Watson Visual Recognition
  • بررسی دقیق تشخیص تصویر با استفاده از Watson Visual Recognition
  • طبقه بندی تصاویر
  • تشخیص غذا و چهره
  • استخراج متن از تصاویر
  • مقدمه ای بر Watson Studio
  • رویکرد کلی به آموزش
  • آموزش طبقه بندي کننده
  • مدل Invoke، توصیه های مفید و موارد قابل اجرا
  • بکارگیری این ویژگی ها در موارد استفاده شده مختلف و تبدیل آنها به هسته یادگیری ماشین
آیا این نوشته را دوست داشتید؟
Learning to Build Apps Using Watson AI [Video] Publisher:Packtpub Author:Swami Chandrasekaran Duration:11 hours 53 minutes

Making your applications smart by combining Cognitive and AI capabilities
IBM Watson has evolved from being a game show winning question & answering computer system to a set of enterprise-grade artificial intelligence (AI) application program interfaces (API) available on IBM Cloud. These Watson API’s can ingest, understand & analyze all forms of data, allow for natural forms of interactions with people, learn, reason - all at a scale that allows for business processes and applications to be reimagined.
This course will give you a hands-on introduction to getting a detailed understanding of the Watson AI API’s, how to train them and eventually build applications using them. You will go through the fundamentals behind each of the API’s, lots of code examples on how to use them on different types of unstructured data, spot the scenarios where you can apply them as well as real-life use case examples. You will learn about how to build conversational apps a.k.a., chat-bots, analyze text at a deeper level, transcribe audio, training a machine to classify & detect objects in pictures, extract entities, emotions, sentiment and relationships from news articles etc.
You will also learn the different types of data basics of AI including machine & deep learning, approach to building AI systems. You will learn about the basics of getting started with IBM Cloud, Watson and setting up an environment to build AI infused apps.
By the end of the course, you will have a complete understanding of the various Watson API’s and will have developed the skills to effectively use them in applications and business processes you may be working on.
All the code and supporting files for this course are available at: https://github.com/PacktPublishing/Learning-to-Build-Apps-Using-Watson-AI
Style and Approach
This practical course is packed with step-by-step instructions, working examples, and helpful advice on getting started with IBM Watson. This comprehensive course is divided into clear bite-size chunks so you can learn at your own pace and focus on the areas of most interest to you.
Released: Friday, November 30, 2018
Introducing the IBM Watson Platform
The Course Overview
Fundamentals
Fundamentals – Part 2
Introducing IBM Watson
The IBM Watson Platform
Adapting Watson
Examples
Getting Started with coding for IBM Watson
Watson API’s
IBM Cloud
Development Environment
Hello Watson
Hello Watson (Continued)
IBM Node-RED
IBM Node-RED (Continued)
Python and Node.js SDK
Python and Node.js SDK (Continued)
Build Conversational Systems Using the Watson Conversation Service
Watson Assistant in Depth
Watson Assistant in Depth (continued)
Define Intents and Entities Workspace
Define Intents
Define Entities
Build Dialog Overview
Build Dialog Conditions and Responses
Build Dialog Context, Slots and Folders
Build Dialog Advanced Responses and APIs
Evaluate and Deploy the Model
Build: IT Support Assistant
Improving Models Continuously
Applying the Capability in Various Use Cases
Rich Text Analytics Using Watson Natural Language Understanding for Your Application
Watson NLU in Depth
Watson NLU in Depth – Part 2
Understand Entities and Relations
Concepts, Categories, and Keywords
Sentiment and Document Emotion
Build: Analyzing Customer Complaints
Build: Analyzing Customer Complaints – Part 2
Applying NLU in Various Use Cases
Adding Speech Recognition Capabilities to Your Apps Using Watson Speech to Text
Watson Speech to Text in Depth
Watson Speech to Text in Depth (Continued)
Key Concepts
Key Concepts (Continued)
Testing Watson Speech To Text Model
Improving STT Model Using Custom Words
Improving STT Model Using Custom Words(continued)
Build Your Own Custom Acoustic Model
Build: Company Earnings Call Transcript Application
Applying the Capability in Various Use Cases
Train Image Recognition Models Using Watson Visual Recognition
Watson Visual Recognition in Depth
Watson Visual Recognition in Depth (Continued)
Classifying Images
Classifying Images (Continued)
Detecting Food and Faces
Extracting Text from Images
Introduction to Watson Studio
Overall Approach to Training
Training the Classifier
Invoke Model, Best Practices and Applicable Cases
Apply the Capability in Various Use Cases and Convert to Core ML

پیشنهاد فرادرس