تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی MLOps با Databricks

دوره آموزشی MLOps با Databricks

1 ساعت 9 دقیقهمتوسط2024-12-19

مدرسین

Maria Vechtomova

Maria Vechtomova

جزئیات دوره

دوره آموزشی استقرار مدل‌های یادگیری ماشین با استفاده از پلتفرم Databricks به شما کمک می‌کند تا فرآیندهای پیچیده را به‌طور مؤثر مدیریت کنید و مدل‌های خود را به‌طور روان به محیط تولید منتقل کنید. در این دوره، شما با ابزارها و تکنیک‌های مورد نیاز برای استفاده از قابلیت‌های پیشرفته Databricks آشنا خواهید شد.

با یادگیری استفاده از Unity Catalog برای مهندسی ویژگی‌ها، قادر خواهید بود داده‌های خود را به‌طور مؤثر مدیریت کرده و ویژگی‌های مهم را برای آموزش مدل استخراج کنید. همچنین با آشنایی با سیستم ردیابی آزمایشات در mlflow، می‌توانید عملکرد مدل‌های خود را کنترل کرده و به‌طور دقیق فرآیندهای آزمایشی را ثبت و نظارت کنید.

یکی از نکات کلیدی دوره این است که شما به‌طور مفصل با نحوه بسته‌بندی کد پایتون و استفاده از بهترین شیوه‌ها برای استقرار پروژه‌های خود از طریق Databricks Asset Bundles آشنا خواهید شد. این بسته‌ها به شما امکان می‌دهند تا پروژه‌های خود را به‌راحتی بسته‌بندی کرده و آن‌ها را در Databricks استقرار دهید.

در این دوره، نظارت بر برنامه‌های ML به‌ویژه از طریق جداول استنتاج و ابزارهای نظارت بر Lakehouse نیز بررسی می‌شود. این ابزارها به شما کمک می‌کنند تا عملکرد مدل‌های خود را پس از استقرار نظارت کنید و بهینه‌سازی‌های لازم را اعمال نمایید.

در نهایت، این دوره برای متخصصین یادگیری ماشین و مهندسان داده که قصد دارند مدل‌های خود را در محیط‌های تولیدی به‌طور مؤثر استقرار دهند و نظارت کنند، بسیار مفید خواهد بود.

مهارت ها

DatabricksCloud DevelopmentMachine LearningData EngineeringArtificial Intelligence (AI)Cloud ComputingData ScienceOne-Off

سرفصل ها

0. مقدمه

  • 01 - زمان تولید را با MLO‌ها کاهش دهید

1. مولفه‌ها و اصول MLOps

  • 02 - اجزای MLOps
  • 03 - اصول MLOps
  • 04 - اجزای MLO بر روی Databricks

2. MLflow

  • 05 - مقدمه ای بر MLflow
  • 06 - محیط را تنظیم و مجموعه داده را آماده کنید
  • 07 - ردیابی آزمایش MLflow
  • 08 - ورود مدل به MLflow
  • 09 - مدل‌های سفارشی در MLflow
  • 10 - ثبت مدل‌ها در کاتالوگ یونیتی

3. مهندسی ویژگی در Databricks

  • 11 - مقدمه ای بر مهندسی ویژگی
  • 12 - جدول ویژگی و عملکرد ویژگی
  • 13 - آموزش، ثبت و ثبت مدل‌هایی که از ویژگی‌های درخواستی استفاده می‌کنند

4. ویژگی و مدل سرویس

  • 14 - زمان استفاده از Feature Serving در مقابل Model Serving
  • 15 - یک FeatureSpec برای سرویس ویژگی ایجاد کنید
  • 16 - نقاط پایانی سرویس دهی را مستقر کنید
  • 17 - درخواست‌ها را به نقاط پایانی خدمت ارسال کنید

5. استقرار برنامه با استفاده از Databricks Asset Bundles

  • 18 - شروع کار با DAB
  • 19 - اجزای گردش کار Databricks را تعریف کنید
  • 20 - Databricks Asset Bundle را تعریف و اجرا کنید

6. نقاط پایانی خود را با استفاده از جداول استنتاج و مانیتورینگ Lakehouse نظارت کنید

  • 21 - مقدمه ای بر مانیتورینگ لیک هاوس
  • 22 - جدول استنتاج را تنظیم، تجزیه‌و‌تحلیل و پردازش کنید
  • 23 - Databricks Lakehouse Monitoring را راه‌اندازی کنید

نتیجه گیری

  • 24 - تسلط بر MLO - سفر شما آغاز می‌شود

دوره های 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