تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی ملزومات MLOps: استقرار و نظارت مدل

دوره آموزشی ملزومات MLOps: استقرار و نظارت مدل

1 ساعت 24 دقیقهمتوسط2022-10-07

مدرسین

Kumaran Ponnambalam

Kumaran Ponnambalam

Working with data for 20+ years

جزئیات دوره

عملیات یادگیری ماشین (MLOps) یکی از زیرشاخه‌های هوش مصنوعی است که سریع‌ترین رشد را دارد. همانطور که مدل‌های بیشتر و بیشتری در تولید به کار می‌روند، نیاز به چرخه زندگی یادگیری ماشینی ساختاریافته، چابک، سرتاسر و خودکار رو به افزایش است. در این دوره، مربی Kumaran Ponnambalam به شما نشان می‌دهد که چگونه مفاهیم کلیدی MLOs را برای ایجاد نتایج ساختاریافته و بهبود یافته در گردش کار روزمره خود به کار ببرید.

برای راه اندازی و اجرای پروژه یادگیری ماشین بعدی خود، اصول MLOps را کاوش کنید. دریابید که چرا بسیاری از دانشمندان داده، مهندسان و مدیران پروژه در مورد مدل‌های ML بسیار هیجان‌زده هستند، زیرا شما به تنهایی نکات و نکات مربوط به استقرار و نظارت موفق مدل‌ها را کشف می‌کنید. کوماران از تحویل مداوم گرفته تا سرویس مدل و نظارت مستمر تا مدیریت دریفت، شما را به مهارت‌هایی مجهز می‌کند که برای شروع تمرین هوش مصنوعی مؤثر، منصفانه، قابل توضیح و مسئولانه نیاز دارید.

مهارت ها

Machine LearningArtificial Intelligence (AI)Deep Dive (X:Y)

سرفصل ها

0. مقدمه

  • 01 - شروع کار با MLOs
  • 02 - پوشش دوره
  • 03 - بررسی چرخه حیات MLOps

1. تحویل مستمر

  • 04 - تنظیم تولید ML
  • 05 - خطوط لوله استقرار
  • 06 - استقرار استراتژی های عرضه
  • 07 - برنامه ریزی برای زیرساخت ها
  • 08 - بهترین شیوه های استقرار
  • 09 - ابزار و فن آوری برای استقرار

2. مدل سرویس

  • 10 - الگوهای سرو را مدل کنید
  • 11 - سرويس مدل رسوب گذاري
  • 12 - ایجاد تاب آوری در خدمت
  • 13 - سرویس دهی چند مدل
  • 14 - ابزار و فن آوری برای خدمت

3. نظارت مستمر

  • 15 - خط لوله نظارت
  • 16 - ابزار قابل مشاهده
  • 17 - معیارهایی برای نظارت
  • 18 - بهترین شیوه های تولید داده های ML
  • 19 - هشدارها و آستانه های ML
  • 20 - ابزارها و فناوری های نظارت

4. مدیریت دریفت

  • 21 - مقدمه ای بر مدل دریفت
  • 22 - مبانی دریفت مفهومی
  • 23 - مدیریت رانش مفهوم
  • 24 - اصول دریفت ویژگی
  • 25 - مدیریت دریفت ویژگی

5. هوش مصنوعی مسئول

  • 26 - عناصر هوش مصنوعی مسئول
  • 27 - هوش مصنوعی قابل توضیح
  • 28 - انصاف در ML
  • 29 - امنیت دارایی های ML
  • 30 - حریم خصوصی در یادگیری ماشینی

نتیجه

  • 31 - با MLO ها ادامه دهید

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal