تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری عمیق فول استک با پایتون (2024)

دوره آموزشی یادگیری عمیق فول استک با پایتون (2024)

1 ساعت 45 دقیقهپیشرفته2024-02-06

مدرسین

Janani Ravi

Janani Ravi

Certified Google Cloud Architect and Data Engineer

جزئیات دوره

اگر به دنبال درک عمیق تری از یادگیری عمیق و پایتون هستید، این دوره عملی می تواند به شما کمک کند. در این دوره، جانانی راوی، معمار ابری و مهندس داده خبره گوگل، شما را از طریق پیچیدگی‌های یادگیری عمیق کامل پشته با پایتون راهنمایی می‌کند. پس از بررسی آموزش عمیق پشته کامل، MLOps و MLflow، به راه اندازی محیط خود در Google Colab و اجرای MLflow بپردازید. نحوه بارگیری و کاوش یک مجموعه داده و همچنین نحوه ثبت معیارها، پارامترها و مصنوعات را بیاموزید. آموزش مدل، ارزیابی و تنظیم فراپارامتر را کاوش کنید. به علاوه، به استقرار مدل و پیش‌بینی‌ها بپردازید.

مهارت ها

Neural Networks and Deep LearningAdvancedPythonArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware Development

سرفصل ها

مقدمه

  • یادگیری عمیق کامل، MLOps و MLflow
  • پیش نیازها

مروری بر Full-Stack Deep Learning

  • آموزش عمیق تمام پشته را معرفی می‌کنیم
  • معرفی MLOs
  • معرفی MLflow
  • راه‌اندازی محیط در Google Colab
  • اجرای MLflow و استفاده از ngrok برای دسترسی به رابط کاربری MLflow

آموزش و ارزیابی مدل با استفاده از MLflow

  • دانلود و کاوش مجموعه داده EMNIST
  • ثبت معیارها، پارامترها و مصنوعات در MLflow
  • مجموعه داده و بارگذار داده را راه‌اندازی کنید
  • پیکربندی مدل DNN طبقه بندی تصویر
  • آموزش یک مدل در یک اجرای MLflow
  • بررسی پارامترها و معیارها در MLflow
  • پیش‌بینی با استفاده از آرتیفکت‌های MLflow

آموزش مدل و تنظیم فراپارامتر

  • تهیه داده‌ها برای طبقه بندی تصاویر با استفاده از CNN
  • پیکربندی و آموزش مدل با استفاده از اجراهای MLflow
  • تجسم نمودارها، معیارها و پارامترها در جریان ML
  • تنظیم تابع هدف برای تنظیم هایپرپارامتر
  • بهینه‌سازی هایپرپارامتر با Hyperopt و MLflow
  • شناسایی بهترین مدل
  • ثبت مدل در رجیستری MLflow

استقرار مدل و پیش‌بینی ها

  • راه‌اندازی MLflow در ماشین محلی
  • راه حل برای به دست آوردن مصنوعات مدل در ماشین محلی
  • استقرار و سرویس دهی مدل به صورت محلی

نتیجه

  • خلاصه و مراحل بعدی

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