دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش دوم راه حل معماری ML
1 ساعت 27 دقیقهپیشرفته2023-06-09
مدرسین
Noah Gift
MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO
جزئیات دوره
گرفتن مدرک مهندس یادگیری ماشین حرفهای گوگل نشون میده که شما میتونید مدلهای یادگیری ماشین رو طراحی، بسازید و تولید کنید تا چالشهای کسب و کار رو با استفاده از تکنولوژیهای گوگل کلاد حل کنید. همچنین با مدلها و تکنیکهای اثباتشده در یادگیری ماشین آشنایی دارید.
در این دوره دوم از مجموعه آمادگی برای دریافت مدرک، مدرس نوآ گیفت به موضوعات مربوط به طراحی راهحلهای یادگیری ماشین میپردازه. او نشون میده چطور باید راهحلهای یادگیری ماشین قابل اعتماد، مقیاسپذیر و با دسترسی بالا طراحی کنید. موضوعاتی مثل تحویل مداوم، گردشکار قابل تکرار و یکپارچهسازی مداوم رو توضیح میده. بعد از اون نوآ توضیح میده چطور باید قطعات سختافزاری مناسب گوگل کلاد رو برای راهحلهای یادگیری ماشین انتخاب کنید.
در این دوره دوم از مجموعه آمادگی برای دریافت مدرک، مدرس نوآ گیفت به موضوعات مربوط به طراحی راهحلهای یادگیری ماشین میپردازه. او نشون میده چطور باید راهحلهای یادگیری ماشین قابل اعتماد، مقیاسپذیر و با دسترسی بالا طراحی کنید. موضوعاتی مثل تحویل مداوم، گردشکار قابل تکرار و یکپارچهسازی مداوم رو توضیح میده. بعد از اون نوآ توضیح میده چطور باید قطعات سختافزاری مناسب گوگل کلاد رو برای راهحلهای یادگیری ماشین انتخاب کنید.
مهارت ها
Google CloudSoftware ArchitectureMachine LearningSoftware Development ToolsGoogleCloud PlatformsCert PrepArtificial Intelligence (AI)Cloud ComputingSoftware Development
سرفصل ها
0. مقدمه
- 01 - بررسی اجمالی
- 02 - اصطلاحات کلیدی دوره 2
- 03 - مزیت فضای کاری توسعه دهنده ابر
1. طراحی یک راه حل ML قابل اعتماد، مقیاس پذیر و بسیار در دسترس
- 04 - تحویل مستمر چیست
- 05 - میکروسرویسهای ML کانتینری
- 06 - طرز فکر SRE برای MLOs
- 07 - گردش کار قابل تکرار
- 08 - ادغام مداوم را بیاموزید
2. انتخاب اجزای سخت افزاری Google Cloud مناسب
- 09 - انتخاب MLOهای سنگین در مقابل سبک
- 10 - اجزای کلیدی چشم انداز MLOps
- 11 - فروشگاه ویژگی در مقابل انبار داده
- 12 - انتخاب را محاسبه کنید
نتیجه
- 13 - مراحل بعدی