تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی MLOps و هماهنگی خطوط داده برای سیستم‌های هوش مصنوعی

دوره آموزشی MLOps و هماهنگی خطوط داده برای سیستم‌های هوش مصنوعی

1 ساعت 19 دقیقهمتوسط2025-05-27

مدرسین

Janani Ravi

Janani Ravi

Certified Google Cloud Architect and Data Engineer

جزئیات دوره

این دوره به شما یاد میده چطور فرایندهای یادگیری ماشین رو اتوماتیک و مدیریت کنید؛ از مرحله جمع‌آوری داده‌ها گرفته تا مرحله پیاده‌سازی مدل‌ها. با مدرس دوره، جانانی راوی، همراه می‌شید و یاد می‌گیرید چطور خطوط داده (data pipelines) رو به بهترین شکل سازماندهی و بهینه کنید تا سیستم‌های هوش مصنوعی در محیط‌های عملیاتی، به صورت کارآمد، مقیاس‌پذیر و قابل اطمینان کار کنن.

این دوره برای همه کسایی که با هوش مصنوعی، زیرساخت داده‌ها و عملیات یادگیری ماشین (MLOps) سر و کار دارن مناسبه؛ مثل مهندسین داده، مهندسین هوش مصنوعی و یادگیری ماشین، مهندسین MLOps و حتی مهندسین DevOps که می‌خوان وارد این حوزه بشن.

اهداف یادگیری این دوره
مدیریت و اتوماتیک کردن فرایندهای یادگیری ماشین از ابتدا تا انتها
بهینه‌سازی خطوط داده برای کارایی و مقیاس‌پذیری بهتر سیستم‌های AI
سازماندهی و هماهنگی فرایندهای داده و مدل در محیط‌های تولیدی
شناخت ابزارها و تکنیک‌های اصلی در MLOps و DevOps مرتبط با AI
آشنایی با چالش‌ها و راه‌حل‌های عملی در پیاده‌سازی سیستم‌های هوش مصنوعی

مهارت ها

Machine LearningData EngineeringArtificial Intelligence FoundationsArtificial Intelligence (AI)Data ScienceOne-Off

سرفصل ها

۰. مقدمه

  • 01 - اهمیت MLOps
  • 02 - پیش نیازها

۱. نیاز به MLOps

  • 03 - توسعه Agile و DevOps
  • 04 - معرفی MLOps
  • 05 - چرخه حیات MLOps
  • 06 - ردیابی مصنوعات در MLOps

۲. MLOps با MLflow

  • 07 - معرفی MLflow
  • 08 - نصب MLflow و آماده‌سازی داده‌ها برای یادگیری ماشین
  • 09 - اجرای یک مدل را پیگیری کنید و یک مدل را ثبت کنید
  • 10 - نسخه‌های متعدد مدل و پیش‌بینی‌ها با استفاده از مدل‌های ثبت‌شده

۳. LLMOps برای مدل‌های زبانی بزرگ

  • 11- معرفی LLMOps
  • 12 - LLMOps در مقابل MLOps
  • 13- توسعه و ارزیابی مدل LLM
  • 14- استقرار و عملیات مدل LLM
  • 15 - مزایا، بهترین شیوه‌ها و ملاحظات مربوط به LLMOps

۴. خطوط لوله هماهنگ‌سازی داده‌ها

  • 16- اجزای یک خط لوله هماهنگ‌سازی داده‌ها
  • 17 - بررسی اجمالی اجزای خط لوله
  • 18- بهترین شیوه‌های هماهنگ‌سازی خط لوله داده‌ها و بایدها و نبایدها

نتیجه‌گیری

  • 19 - خلاصه و مطالعه بیشتر

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