قیمت این دوره: 950,000 570,000 تومان
  • مدرس دوره : ایمان مدائنی
  • تعداد ویدیوها : 39 ویدیو
  • مدت زمان دوره : 9:22:00
  • سطح دوره : متوسط
  • وضعیت دوره : به اتمام رسیده
  • تاریخ آخرین بروزرسانی : 1402/07/12
ثبتـــ نام در این دوره ثبت نام در دوره
آموزش هوش مصنوعی با سی شارپ ( ML.Net )

آموزش هوش مصنوعی با سی شارپ ( ML.Net )

آموزش هوش مصنوعی با سی شارپ با ML.Net - Machine Learning

 

آیا شما یک توسعه دهنده دات نت هستید؟ 

آیا می خواهید یادگیری ماشین را به برنامه های خود وارد کنید؟

خبر خوبی برای شما دارم  ،  مایکروسافت به تازگی چارچوب یادگیری ماشین خود ( Machine Learning ) را که در GitHub موجود است ، باز کرد.

 ML.NET یک پلتفرم چند سکویی و منبع باز برای یادگیری ماشین برای چارچوب .NET است.

 ML.NET به توسعه دهندگان .NET اجازه می دهد تا مدل های خود را توسعه دهند و ML سفارشی را بدون استفاده از مهارت قبلی در زمینه ساخت یا تنظیم مدل های یادگیری ماشین وحتی کمترین دانش ریاضی و الگوریتم ، در NET ایجاد کنند. 

ML.NET در ابتدا در تحقیقات مایکروسافت توسعه یافته و طی یک دهه گذشته به یک چارچوب قابل توجه تبدیل شده و در بسیاری از گروه های محصولات در مایکروسافت مانند Windows ، Bing ، PowerPoint ، Excel و موارد دیگر مورد استفاده قرار می گیرد. 

ML.NET روی ویندوز ، لینوکس و macOS اجرا می شود ، هر بستری که 64 بیتی .NET Core یا بعد از آن در دسترس باشد.

 

جهت آشنایی بیشتر با دوره ویدئوی معرفی دوره را تماشا کنید و مقاله ای هم در سایت هست با عنوان Ml.Net چیست که میتوانید مطالعه کنید .




فهرستـــ ویدیوها

مدت زمان دوره 9:22:00
  • با مشاهده آنلاین جلسات در سایت ، هزینه اینترنت شما به صورت نیم بها محاسبه خواهد شد.

1
  • معرفی آموزش ML.Net

00:10:00

معرفی آموزش هوش مصنوعی

2
  • Machin Learning چیست ؟

00:18:00

Machin Learning یا ML.Net چیست ؟

3
  • نصب ML.Net Model Builder

00:07:00

نصب ML.Net Model Builder

4
  • ساخت خودکار مدل ها با Model Builder

00:14:00

ساخت خودکار مدل ها با Model Builder در Machin Learning

5
  • استفاده از Model های ML در برنامه

00:16:00

استفاده از Model های ML در برنامه

6
  • استفاده از ML.Net Cli

00:09:00

استفاده از ML.Net Cli

7
  • شروع فصل دوم - پروژه بررسی نظرات کاربران

00:09:00

شروع فصل دوم - پروژه بررسی نظرات کاربران با ML.Net

8
  • Training PipeLine

00:24:00

Data Training PipeLine در ML.Net

9
  • ساخت Pipe Line در ML

00:24:00

ساخت Pipe Line در ML

10
  • ساخت سرویس بررسی نظرات با Asp.Net Core Web Api

00:15:00

ساخت سرویس بررسی نظرات با Asp.Net Core Web Api برای ML.Net

11
  • آماده سازی Model Trainer برای استفاده از Asp.Net Core WebApi

00:18:00

آماده سازی Model Trainer برای استفاده از Asp.Net Core WebApi در هوش مصنوعی ML.Net

12
  • افزودن Model ML به Web Api

00:09:00

افزودن Model ML به Web Api

13
  • Confusion Matrix

00:19:00

Confusion  Matrix در هوش مصنوعی

14
  • جداسازی Taning Data از Test Data

00:15:00

جداسازی Taning Data از Test Data در ML.Net

15
  • قابلیت Retrain شدن مدل و الگوریتم ها

00:18:00

قابلیت Retrain شدن مدل و الگوریتم ها در هوش مصنوعی ML.Net

16
  • تکمیل متد RetrainModel

00:13:00

تکمیل متد RetrainModel

17
  • اجرای برای بررسی نظرات کاربران با هوش مصنوعی

00:17:00

اجرای برای بررسی نظرات کاربران با هوش مصنوعی

18
  • پیاده سازی Cross Validation

00:17:00

پیاده سازی Cross Validation در ML.Net

19
  • MultiClass Classifaction

00:07:00

الگوریتم MultiClass Classifaction در هوش مصنوعی سی شارپ

20
  • استفاده از AutoML در کد

00:19:00

استفاده از AutoML در  کد

21
  • ساخت Traning PipeLine

00:19:00

ساخت Traning PipeLine در Ml.Net

22
  • بررسی آسیب های دیتای نامتعادل در Machin Learning

00:15:00

بررسی آسیب های دیتای نامتعادل در Machin Learning

23
  • برنامه پیشنهاد رستوران با هوش مصنوعی سی شارپ

00:08:00

برنامه پیشنهاد رستوران با هوش مصنوعی ML.Net

24
  • Model Recommender

00:24:00

Model Recommender

25
  • بهبود Hyper Parametrs

00:27:00

بهبود Hyper Parametrs در ML.Net

26
  • تکمیل برنامه پیشنهاد دهنده

00:14:00

تکمیل برنامه پیشنهاد دهنده با هوش مصنوعی

27
  • برنامه دسته بندی تصاویر با Deep Learning

00:08:00

ساخت برنامه دسته بندی تصاویر با  Deep Learning

28
  • Deep Learning و Transfering Learning

00:08:00

Deep Learning و Transfering Learning در هوش مصنوعی

29
  • بررسی سولوشن برنامه دسته بندی تصاویر با ML

00:09:00

بررسی سولوشن برنامه دسته بندی تصاویر با Machin Learning

30
  • آماده سازی DataSet ها جهت Training

00:17:00

آماده سازی DataSet ها جهت Training

31
  • Train کردن مدل با TensorFlow

00:17:00

Train کردن مدل با TensorFlow

32
  • تکمیل برنامه تشخیص حیوانات با هوش مصنوعی

00:13:00

تکمیل برنامه تشخیص حیوانات با هوش مصنوعی

33
  • استفاده از GPU برای پردازش های سنگین

00:14:00

استفاده از GPU برای پردازش های سنگین

34
  • تشخیص حالت چهره با وبکم

00:07:00

تشخیص حالت چهره با وبکم در ML.Net

35
  • بررسی Solution و معرفی Netron در ml.net

00:14:00

بررسی Solution و معرفی Netron در ml.net

36
  • لود کردن Model های ONNX و بارگذاری در پروژه

00:16:00

لود کردن Model های ONNX و بارگذاری در پروژه تشخیص احساسات از وبکم

37
  • تشخیص احساسات تصاویر

00:15:00

تشخیص احساسات تصاویر با هوش مصنوعی سی شارپ

38
  • تشخیص احساسات با وبکم به صورت زنده

00:07:00

تشخیص احساسات با وبکم به صورت زنده با هوش مصنوعی سی شارپ

39
  • تبدیل مدل ML به ONNX

00:12:00

تبدیل مدل ML به ONNX جهت استفاده در سایر زبان ها

دوره های دیگر مدرس

مشاهده همه دوره ها

نظرات کاربران در رابطه با این دوره

لطفا سوالات خود را راجع به این آموزش در این بخش پرسش و پاسخ مطرح کنید به سوالات در قسمت نظرات پاسخ داده نخواهد شد و آن نظر حذف میشود.
جهت ثبت نظر باید در سایت عضو شوید و یا وارد سایت شده باشید .