
خودآموز تعاملی
داربست — خودآموز مهندسیِ سامانههای هوش مصنوعی (پیشرفته)
۶ ترم۵۰ فصل ۱۴ فصل رایگان
مدل آموزش دیده؛ حالا باید کار کند — برای مدتها، برای دیگران. تست و بستهبندی، مسیرِ داده، نسخهبندی، استقرار، پایش و رانش، بازآموزی، هزینه و اتکاپذیری. همه در Google Colab و با اندازهگیری، نه ادعا.
- کدنویسی متنی
- آزمایشگاه زنده در مرورگر
فهرست کتاب
۶ ترم، ۵۰ فصل — به ترتیب.
۱کدی که میشود به آن تکیه کردترم ۱ · ۹ فصل

فصل ۰۱ — از نوتبوک به ماژولرایگان
فصل ۰۲ — اولین تست، برای کدی که داده میخوردرایگان
فصل ۰۳ — چرا تستِ کدِ یادگیری ماشین فرق داردرایگان
فصل ۰۴ — قرارداد: تایپ و اعتبارسنجیرایگان
فصل ۰۵ — اشکالیابیِ روشمندرایگان
فصل ۰۶ — اول اندازه بگیر، بعد سریع کنرایگان
فصل ۰۷ — سریعتر، بدونِ GPUرایگان
فصل ۰۸ — همزمانی برای کارِ دادهرایگان
فصل ۰۹ — پروژه: یک نوتبوکِ یادگیری ماشین را بسته کنرایگان
۲داده بهعنوان زیرساختترم ۲ · ۹ فصل

فصل ۰۱ — مسیرِ داده: از منبع تا ویژگیرایگان
فصل ۰۲ — قالبِ ذخیره، با عدد
فصل ۰۳ — اعتبارسنجیِ داده و قراردادِ اسکیما
فصل ۰۴ — نسخهبندیِ داده
فصل ۰۵ — برچسب: کیفیت، توافق، هزینه
فصل ۰۶ — مسیرِ متنِ فارسی در مقیاس
فصل ۰۷ — نمونهگیری و توازن، بدونِ نشتی
فصل ۰۸ — حریمِ خصوصی در مسیرِ داده
فصل ۰۹ — پروژه: یک مسیرِ دادهٔ بازتولیدپذیر
۳آزمایش، ردیابی، بازتولیدترم ۳ · ۸ فصل

۴استقرارترم ۴ · ۹ فصل

۵زنده نگه داشتنترم ۵ · ۸ فصل

































