مدیریت پروژه های ML به شما نشان می دهد که چگونه یک پروژه ML را در حین پیشرفت از یک ایده به یک اجرای آماده تولید مدیریت کنید. این دوره شامل مراحل توسعه ML و نقش ها و مهارت هایی است که معمولاً در تیم های ML یافت می شود. در مورد استراتژی‌های کار با ذینفعان بحث می‌کند و جزئیات نحوه برنامه‌ریزی و مدیریت یک پروژه ML را در هر مرحله از توسعه ارائه می‌دهد.
با ابهام زدایی از پیچیدگی های ذاتی پروژه های ML، این دوره یک چارچوب نظری محکم برای مدیریت پروژه های ML ارائه می دهد.
این دوره بر روی مدل های سنتی ML تمرکز دارد. اگرچه هوش مصنوعی مولد در کانون توجه قرار دارد، ML سنتی نقشی حیاتی در Google ایفا می‌کند و زیربنای بسیاری از خدمات و پروژه‌ها است، از پیش‌بینی زمان سفر در Maps گرفته تا تخمین قیمت بلیط هواپیما در Flights، از پیش‌بینی سهمیه محاسبه برای مشتریان Google Cloud تا توصیه‌های مرتبط. ویدیوها در یوتیوب
به طور کلی، اصول مدیریت پروژه های سنتی ML برای مدیریت پروژه های هوش مصنوعی مولد یکسان است. هنگامی که تفاوت قابل توجهی وجود دارد، دوره مشاوره و راهنمایی های مرتبط با هوش مصنوعی را ارائه می دهد.
پیش نیازها:
- شما باید درک اولیه ای از یادگیری ماشین داشته باشید. برای آشنایی مختصر با مفاهیم یادگیری ماشین، به مقدمه یادگیری ماشین مراجعه کنید. برای آشنایی عملی با یادگیری ماشینی، به دوره تصادفی یادگیری ماشین مراجعه کنید.
- ابتدا باید بررسی کنید که ML رویکرد مناسبی برای مشکل شما است. اگر مشکل خود را در قالب راه حل ML تنظیم نکرده اید، مقدمه ای بر چارچوب مسئله یادگیری ماشینی را کامل کنید.
مدیریت پروژه های ML به شما نشان می دهد که چگونه یک پروژه ML را در حین پیشرفت از یک ایده به یک اجرای آماده تولید مدیریت کنید. این دوره شامل مراحل توسعه ML و نقش ها و مهارت هایی است که معمولاً در تیم های ML یافت می شود. در مورد استراتژی‌های کار با ذینفعان بحث می‌کند و جزئیات نحوه برنامه‌ریزی و مدیریت یک پروژه ML را در هر مرحله از توسعه ارائه می‌دهد.
با ابهام زدایی از پیچیدگی های ذاتی پروژه های ML، این دوره یک چارچوب نظری محکم برای مدیریت پروژه های ML ارائه می دهد.
این دوره بر روی مدل های سنتی ML تمرکز دارد. اگرچه هوش مصنوعی مولد در کانون توجه قرار دارد، ML سنتی نقشی حیاتی در Google ایفا می‌کند و زیربنای بسیاری از خدمات و پروژه‌ها است، از پیش‌بینی زمان سفر در Maps گرفته تا تخمین قیمت بلیط هواپیما در Flights، از پیش‌بینی سهمیه محاسبه برای مشتریان Google Cloud تا توصیه‌های مرتبط. ویدیوها در یوتیوب
به طور کلی، اصول مدیریت پروژه های سنتی ML برای مدیریت پروژه های هوش مصنوعی مولد یکسان است. هنگامی که تفاوت قابل توجهی وجود دارد، دوره مشاوره و راهنمایی های مرتبط با هوش مصنوعی را ارائه می دهد.
پیش نیازها:
- شما باید درک اولیه ای از یادگیری ماشین داشته باشید. برای آشنایی مختصر با مفاهیم یادگیری ماشین، به مقدمه یادگیری ماشین مراجعه کنید. برای آشنایی عملی با یادگیری ماشینی، به دوره تصادفی یادگیری ماشین مراجعه کنید.
- ابتدا باید بررسی کنید که ML رویکرد مناسبی برای مشکل شما است. اگر مشکل خود را در قالب راه حل ML تنظیم نکرده اید، مقدمه ای بر چارچوب مسئله یادگیری ماشینی را کامل کنید.
مدیریت پروژه های ML به شما نشان می دهد که چگونه یک پروژه ML را در حین پیشرفت از یک ایده به یک اجرای آماده تولید مدیریت کنید. این دوره شامل مراحل توسعه ML و نقش ها و مهارت هایی است که معمولاً در تیم های ML یافت می شود. در مورد استراتژی‌های کار با ذینفعان بحث می‌کند و جزئیات نحوه برنامه‌ریزی و مدیریت یک پروژه ML را در هر مرحله از توسعه ارائه می‌دهد.
با ابهام زدایی از پیچیدگی های ذاتی پروژه های ML، این دوره یک چارچوب نظری محکم برای مدیریت پروژه های ML ارائه می دهد.
این دوره بر روی مدل های سنتی ML تمرکز دارد. اگرچه هوش مصنوعی مولد در کانون توجه قرار دارد، ML سنتی نقشی حیاتی در Google ایفا می‌کند و زیربنای بسیاری از خدمات و پروژه‌ها است، از پیش‌بینی زمان سفر در Maps گرفته تا تخمین قیمت بلیط هواپیما در Flights، از پیش‌بینی سهمیه محاسبه برای مشتریان Google Cloud تا توصیه‌های مرتبط. ویدیوها در یوتیوب
به طور کلی، اصول مدیریت پروژه های سنتی ML برای مدیریت پروژه های هوش مصنوعی مولد یکسان است. هنگامی که تفاوت قابل توجهی وجود دارد، دوره مشاوره و راهنمایی های مرتبط با هوش مصنوعی را ارائه می دهد.
پیش نیازها:
- شما باید درک اولیه ای از یادگیری ماشین داشته باشید. برای آشنایی مختصر با مفاهیم یادگیری ماشین، به مقدمه یادگیری ماشین مراجعه کنید. برای آشنایی عملی با یادگیری ماشینی، به دوره تصادفی یادگیری ماشین مراجعه کنید.
- ابتدا باید بررسی کنید که ML رویکرد مناسبی برای مشکل شما است. اگر مشکل خود را در قالب راه حل ML تنظیم نکرده اید، مقدمه ای بر چارچوب مسئله یادگیری ماشینی را کامل کنید.
مدیریت پروژه های ML به شما نشان می دهد که چگونه یک پروژه ML را در حین پیشرفت از یک ایده به یک اجرای آماده تولید مدیریت کنید. این دوره شامل مراحل توسعه ML و نقش ها و مهارت هایی است که معمولاً در تیم های ML یافت می شود. در مورد استراتژی‌های کار با ذینفعان بحث می‌کند و جزئیات نحوه برنامه‌ریزی و مدیریت یک پروژه ML را در هر مرحله از توسعه ارائه می‌دهد.
با ابهام زدایی از پیچیدگی های ذاتی پروژه های ML، این دوره یک چارچوب نظری محکم برای مدیریت پروژه های ML ارائه می دهد.
این دوره بر روی مدل های سنتی ML تمرکز دارد. اگرچه هوش مصنوعی مولد در کانون توجه قرار دارد، ML سنتی نقشی حیاتی در Google ایفا می‌کند و زیربنای بسیاری از خدمات و پروژه‌ها است، از پیش‌بینی زمان سفر در Maps گرفته تا تخمین قیمت بلیط هواپیما در Flights، از پیش‌بینی سهمیه محاسبه برای مشتریان Google Cloud تا توصیه‌های مرتبط. ویدیوها در یوتیوب
به طور کلی، اصول مدیریت پروژه های سنتی ML برای مدیریت پروژه های هوش مصنوعی مولد یکسان است. هنگامی که تفاوت قابل توجهی وجود دارد، دوره مشاوره و راهنمایی های مرتبط با هوش مصنوعی را ارائه می دهد.
پیش نیازها:
- شما باید درک اولیه ای از یادگیری ماشین داشته باشید. برای آشنایی مختصر با مفاهیم یادگیری ماشین، به مقدمه یادگیری ماشین مراجعه کنید. برای آشنایی عملی با یادگیری ماشینی، به دوره تصادفی یادگیری ماشین مراجعه کنید.
- ابتدا باید بررسی کنید که ML رویکرد مناسبی برای مشکل شما است. اگر مشکل خود را در قالب راه حل ML تنظیم نکرده اید، مقدمه ای بر چارچوب مسئله یادگیری ماشینی را کامل کنید.