دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش چهارم توسعه مدل های ML
1 ساعت 30 دقیقهپیشرفته2023-06-16
مدرسین
Noah Gift
MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO
جزئیات دوره
گواهینامه مهندس یادگیری ماشین حرفهای گوگل به کارفرمایان بالقوه این پیام رو میده که شما دانش لازم برای طراحی، ساخت، و پیادهسازی مدلهای یادگیری ماشین برای حل چالشهای کسبوکار با استفاده از تکنولوژیهای گوگل کلاد رو دارید و با مدلها و تکنیکهای اثباتشده یادگیری ماشین آشنا هستید.
در این چهارمین دوره از سری آمادگی گواهینامه، مربی نوآ گيفت به موضوعاتی در مورد توسعه مدلهای یادگیری ماشین میپردازه. اون به شما نشون میده چطور مدلها رو با استفاده از تنسورفلو بسازید، مفاهیم مربوط به اورفیتینگ (Overfitting) و آندر فیتینگ (Underfitting) رو توضیح میده، و چطور معیارهای ارزیابی درست رو انتخاب کنید. سپس نوآ توضیح میده چطور مدلها رو آموزش بدید، از جمله مزایای یادگیری انتقالی. در نهایت، یاد میگیرید چطور آموزش و ارائه مدلها رو مقیاسبندی کنید، از جمله اینکه چطور یک میکروسرویس بسازید و اون رو با استفاده از زبان رست در گوگل اپ انجین مستقر کنید.
در این چهارمین دوره از سری آمادگی گواهینامه، مربی نوآ گيفت به موضوعاتی در مورد توسعه مدلهای یادگیری ماشین میپردازه. اون به شما نشون میده چطور مدلها رو با استفاده از تنسورفلو بسازید، مفاهیم مربوط به اورفیتینگ (Overfitting) و آندر فیتینگ (Underfitting) رو توضیح میده، و چطور معیارهای ارزیابی درست رو انتخاب کنید. سپس نوآ توضیح میده چطور مدلها رو آموزش بدید، از جمله مزایای یادگیری انتقالی. در نهایت، یاد میگیرید چطور آموزش و ارائه مدلها رو مقیاسبندی کنید، از جمله اینکه چطور یک میکروسرویس بسازید و اون رو با استفاده از زبان رست در گوگل اپ انجین مستقر کنید.
مهارت ها
Google CloudMachine LearningSoftware Development ToolsGoogleCloud PlatformsCert PrepArtificial Intelligence (AI)Cloud ComputingSoftware Development
سرفصل ها
0. مقدمه
- 01 - بررسی اجمالی
- 02 - دوره چهار اصطلاحات کلیدی
1. مدلهای ساختمان
- 03 - استفاده از TensorFlow Playground
- 04 - بیش از اندازه در مقابل تناسب اندک
- 05 - انتخاب معیارهای مناسب
2. مدلهای آموزشی
- 06 - مدلهای آموزشی با Docker مجهز به GPU TensorFlow
- 07 - تنظیم دقیق مواد اولیه در آغوش گرفتن صورت
- 08 - مزایای یادگیری انتقال
3. آموزش و سرویس مدل Scaling
- 09 - میکروسرویسها را عملیاتی کنید
- 10 - نظارت و ورود به سیستم با Rust در Google App Engine
- 11 - ادغام مستمر Rust با GitHub Actions
- 12 - دمو - تست واحد زنگ
- 13 - نسخه ی نمایشی - Rust با قابلیت Copilot GitHub
- 14 - ایستگاه کاری GCP را با پایتون راهاندازی کنید
- 15 - نسخه ی نمایشی - Google Cloud Shell
- 16 - نسخه ی نمایشی - Google Cloud Editor
- 17 - نسخه ی نمایشی - Google CLI SDK
- 18 - نسخه ی نمایشی - Google gcloud CLI
- 19 - نسخه نمایشی - Google App Engine Rust Deploy
- 20 - نسخه ی نمایشی - Google App Engine Golang
نتیجه
- 21 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی آمادگی برای گواهینامه Google Cloud Associate Cloud Engineer
- دوره آموزشی طراحی منطقه استقرار Google Cloud
- دوره آموزشی مبانی مهندسی داده در Google Cloud
- دوره آموزشی مقدمه ای بر Terraform در پلتفرم ابری گوگل
- دوره آموزشی ساخت ترانویس کننده ویدیو با Node.js و Google AI Speech-to-Text API
- دوره آموزشی یادگیری Google Cloud Run
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Data Engineer: بخش سوم عملیاتی کردن مدل های یادگیری ماشین
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Data Engineer: بخش چهارم تضمین کیفیت راه حل