پیشنهاد فرادرس

آموزش طراحی و پیاده سازی راه حل ها با Google Cloud AutoML

دسته بندی ها: آموزش های پلورال سایت (Pluralsight) ، سرویس های گوگل ، آموزش پایتون (Python) ، آموزش Google Cloud Platform

اکثر سازمان ها می خواهند قدرت یادگیری ماشینی را به منظور بهبود محصولات خود مهار کنند، اما ممکن است همیشه این تخصص وجود نداشته باشد. در این دوره با آموزش مدل های یادگیری ماشینی در مجموعه داده های خود با چند کلیک بر روی UI یا چند فرمان در یک پنجره ترمینال آشنا می شوید. همچنین نشان می دهد که چگونه مهندسان و تحلیل گران می توانند از قدرت ML با AutoML استفاده کنند تا بدون نیاز به تخصص یادگیری ماشینی مدل های خود را بسازنند و داده های خود را آموزش دهند. در ابتدا، با معرفی سرویس های یادگیری ماشینی در Google Cloud و درک ویژگی های هر کدام جهت انتخاب صحیح آنها آشنا می شوید. شما مفاهیم اولیه AutoML را یاد خواهید گرفت که از جستجوی معماری عصبی استفاده می کند و یادگیری را برای یافتن بهترین شبکه عصبی برای مورد سفارشی انتقال دهند. سپس، به بررسی مدل ترجمه AutoML می پردازید. شما از مدل سفارشی خود برای پیش بینی از رابط کاربری، از خط فرمان و با استفاده از API های Python استفاده خواهید کرد. شما همچنین اهمیت نمره BLEU برای تجزیه و تحلیل کیفیت مدل ترجمه را یاد خواهید گرفت. در نهایت با استفاده از API های زبان طبیعی آشنا می شوید که AutoML ارائه می دهد تا یک مدل برای تحلیل احساسات ایجاد کنید و کار با AutoML برای طبقه بندی عکس با استفاده از API های ویژوال AutoMLرا آموزش می بینید.

سرفصل:

  • معرفی دوره
  • معرفی Google Cloud AutoML
  • پیش نیازها
  • معرفی Cloud AutoML
  • Cloud ML APIs درمقابل AutoML
  • انتقال یادگیری
  • Neural Architecture Search
  • اجرای Custom Translation با استفاده از AutoML Translation
  • Cloud ML APIs درمقابل AutoML برای Translation
  • فعال سازی APIs برای AutoML Translation
  • ایجاد یک مجموعه داده و وارد کردن داده ها
  • آموزش و پیش بینی
  • پیش بینی با استفاده از REST API و Python Client
  • تمیز کردن مدل ها، مجموعه داده ها و Buckets
  • استفاده از خط فرمان برای آموزش یک مدل
  • ایجاد مجموعه داده ها و وارد کردن داده ها با استفاده از خط فرمان
  • پیش بینی با استفاده از خط فرمان
  • کار با زبان با استفاده از زبان طبیعی AutoML
  • Cloud ML APIs درمقابل AutoML برای متن
  • آستانه احتمال برای طبقه بندی
  • انواع Classifiers
  • ایجاد مجموعه داده و آپلود داده آموزشی
  • آموزش مدل تحلیل احساسات
  • ارزیابی Classifer و  استفاده از آن برای پیش بینی
  • کار با تصاویر با استفاده از AutoML Vision
  • Cloud ML APIs درمقابل  AutoML برای Vision
  • ایجاد مجموعه داده و وارد کردن داده آموزشی
  • آموزش و ارزیابی Image Classifier
  • طبقه بندی عکس با استفاده از رابط کاربری
  • طبقه بندی تصویر با استفاده از REST API و Python Client
  • و غیره
آیا این نوشته را دوست داشتید؟
Designing and Implementing Solutions Using Google Cloud AutoML Publisher:Pluralsight Author:Janani Ravi Duration:1h 41m Level:Beginner

Google Cloud AI offers a wide range of machine learning services. AutoML features cutting-edge technology which uses your training data to find the best model for your use case. In this course, you'll learn to build a custom machine learning model.
Most organizations want to harness the power of machine learning in order to improve their products, but they may not always have the expertise available in-house. In this course, Designing and Implementing Solutions Using Google Cloud AutoML, you’ll learn how you can train custom machine learning models on your dataset with just a few clicks on the UI or a few commands on a terminal window. This course will also show how engineers and analysts can harness the power of ML for common use cases by using AutoML to build their own model, trained on their own data, without needing any specific machine learning expertise.
First, you'll see an overview of the suite of machine learning services available on the Google Cloud and understand the features of each so you can make the right choice of service for your use case. You’ll learn about the basic concepts underlying AutoML which uses neural architecture search and transfer learning to find the best neural network for your custom use case.
Next, you'll explore AutoML’s translation model, and feed in sentence pairs to the TMX format to perform German-English translation. You’ll use your custom model for prediction from the UI, from the command line, and by using Python APIs. You’ll also learn to understand the significance of the BLEU score to analyze the quality of your translation model.
Finally, you'll use the natural language APIs that AutoML offers to build a model for sentiment analysis of reviews and work with AutoML for image classification using the AutoML Vision APIs. You'll finish up by learning the basic requirements of the data needed to train this model and develop a classifier that can identify fruits.
At the end of this course, you will be very comfortable choosing the right ML API that fits your use case and using AutoML to build complex neural networks trained on your own dataset for common problems.
Course Overview
Course Overview
2m
Introducing Google Cloud AutoML
Module Overview
1m
Prerequisites and Course Outline
3m
Introducing Cloud AutoML
5m
Cloud ML APIs vs. AutoML
2m
Transfer Learning
3m
Neural Architecture Search
4m
Performing Custom Translation Using AutoML Translation
Module Overview
0m
Cloud ML APIs vs. AutoML for Translation
7m
Enabling APIs for AutoML Translation
3m
Creating a Dataset and Importing Data
2m
Training and Prediction
3m
Getting Service Account Credentials
2m
Prediction Using the REST API and Python Client
5m
Cleaning up Models, Datasets, and Buckets
1m
Using the Command Line to Train a Model
3m
Creating Dataset and Importing Data Using the Command Line
4m
Prediction Using the Command Line
3m
Working with Language Using AutoML Natural Language
Module Overview
1m
Cloud ML APIs vs. AutoML for Text
2m
Confusion Matrix: Accuracy, Precision, and Recall
5m
Probability Threshold for Classification
2m
Types of Classifiers
1m
Create Dataset and Upload Training Data
2m
Training the Sentiment Analysis Model
3m
Evaluating the Classifer and Using It for Prediction
4m
Working with Images Using AutoML Vision
Module Overview
0m
Cloud ML APIs vs. AutoML for Vision
2m
Create Dataset and Import Training Data
3m
Training and Evaluating the Image Classifier
2m
Image Classification Using the UI
2m
Image Classification Using the REST API and Python Client
2m
Summary and Further Study
2m

پیشنهاد فرادرس