دوره آموزشی ملزومات MLOps: توسعه و ادغام مدل
1 ساعت 31 دقیقهمتوسط2022-09-16
مدرسین

Kumaran Ponnambalam
Working with data for 20+ years
جزئیات دوره
عملیات یادگیری ماشین (MLOps) یک دامنه در حال رشد در زمینه هوش مصنوعی است. همانطور که مدل های بیشتری در تولید مستقر می شوند، نیاز به چرخه عمر ML ساختار یافته، چابک و سرتاسر با اتوماسیون چند برابر شده است. MLOps ساختاری برای پروژه های یادگیری ماشینی فراهم می کند و به آنها کمک می کند در درازمدت موفق شوند. در این دوره، مربی Kumaran Ponnambalam بر مفاهیم کلیدی MLOps تمرکز میکند و به شما کمک میکند این مفاهیم را در کار روزانه ML خود اعمال کنید. کوماران شما را با چرخه زندگی یادگیری ماشین آشنا میکند و چالشهای منحصربهفرد با ML و همچنین تعاریف و اصول مهم را توضیح میدهد. او شما را از طریق الزامات و طراحی پروژه های ML راهنمایی می کند، سپس به پردازش و مدیریت داده ها می پردازد. کوماران ابزارها و فناوری های مختلفی را توضیح می دهد که می توانید در اتوماسیون و مدیریت آموزش مداوم از آنها استفاده کنید. او بهترین شیوهها را برای مدیریت مدل پوشش میدهد، سپس دستورالعملهای مفصلی را در مورد ادغام مداوم ارائه میدهد.
مهارت ها
Machine LearningArtificial Intelligence (AI)Deep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - شروع کار با MLOs
- 02 - محدوده و پیش نیازها
1. مقدمه ای بر MLOps
- 03 - چرخه زندگی یادگیری ماشینی
- 04 - چالش های منحصر به فرد با ML
- 05 - DevOps چیست
- 06 - MLOps چیست
- 07 - اصول MLOps
- 08 - زمان شروع MLO ها
2. الزامات و طراحی
- 09 - انتخاب پروژه های ML
- 10 - ایجاد الزامات
- 11 - طراحی گردش کار ML
- 12 - جمع آوری تیم
- 13 - انتخاب ابزار و فناوری
3. پردازش و مدیریت داده ها
- 14 - خطوط لوله داده مدیریت شده
- 15 - اعتبار سنجی خودکار داده ها
- 16 - فروشگاه های ویژگی های مدیریت شده
- 17 - نسخه سازی داده ها
- 18 - حاکمیت داده
- 19 - ابزارها و فناوری های پردازش داده ها
4. آموزش مستمر
- 20 - خطوط لوله آموزشی مدیریت شده
- 21 - ایجاد برچسب داده ها
- 22 - ردیابی آزمایشی
- 23 - AutoML
- 24 - ابزار و فن آوری برای آموزش
5. مدیریت مدل
- 25 - نسخه سازی مدل
- 26 - رجیستری مدل
- 27 - مدل های محک زدن
- 28 - مدل مدیریت چرخه عمر
- 29 - ابزارها و فناوری های مدیریت مدل
6. یکپارچه سازی مداوم
- 30 - خطوط لوله یکپارچه سازی راه حل
- 31 - نوت بوک به نرم افزار
- 32 - الگوهای ادغام راه حل
- 33 - بهترین شیوه ها برای یکپارچه سازی راه حل ها
نتیجه
- 34 - با MLO ها ادامه دهید
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری ماشین کاربردی: برآورد ارزش
- دوره آموزشی یادگیری ماشین کاربردی: یادگیری نظارتشده
- دوره آموزشی یادگیری ماشین در مخابرات: از مبانی تا نمونههای واقعی
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها