آموزش یادگیری ماشینی در سازمان

Machine Learning in the Enterprise

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: این دوره شامل یک رویکرد عملی در دنیای واقعی به گردش کار ML است: یک رویکرد مطالعه موردی که یک تیم ML را با چندین مورد نیاز کسب و کار ML و موارد استفاده ارائه می دهد. این دوره شامل یک رویکرد عملی در دنیای واقعی به گردش کار ML است: مطالعه موردی رویکردی که یک تیم ML را با چندین مورد نیاز تجاری و موارد استفاده ML ارائه می دهد. این تیم باید ابزارهای مورد نیاز برای مدیریت و مدیریت داده ها را درک کند و بهترین رویکرد را برای پیش پردازش داده ها در نظر بگیرد: از ارائه یک نمای کلی از Dataflow و Dataprep تا استفاده از BigQuery برای کارهای پیش پردازش. این تیم با سه گزینه برای ساخت مدل های یادگیری ماشینی برای دو مورد خاص ارائه شده است. این دوره توضیح می دهد که چرا تیم از AutoML، BigQuery ML یا آموزش سفارشی برای دستیابی به اهداف خود استفاده می کند. در این دوره آموزشی عمیق تر به آموزش سفارشی ارائه شده است. ما الزامات آموزشی سفارشی را از ساختار کد آموزشی، ذخیره سازی و بارگذاری مجموعه داده های بزرگ تا صدور یک مدل آموزش دیده را توضیح می دهیم. شما یک مدل یادگیری ماشینی سفارشی خواهید ساخت که به شما امکان می دهد با دانش کمی از Docker یک تصویر ظرف بسازید. تیم مطالعه موردی تنظیم هایپرپارامتر را با استفاده از Vertex Vizier و نحوه استفاده از آن برای بهبود عملکرد مدل بررسی می کند. برای درک بیشتر در مورد بهبود مدل، کمی به تئوری می پردازیم: در مورد منظم سازی، برخورد با پراکندگی، و بسیاری از مفاهیم و اصول ضروری دیگر بحث می کنیم. ما با مروری بر پیش‌بینی و نظارت مدل و نحوه استفاده از Vertex AI برای مدیریت مدل‌های ML پایان می‌دهیم.

سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره Course introduction

آشنایی با گردش کار ML Enterprise Understanding the ML Enterprise Workflow

  • مقدمه Introduction

  • مروری بر گردش کار سازمانی ML Overview of an ML enterprise workflow

  • منابع: درک گردش کار ML Enterprise Resources: Understanding the ML Enterprise Workflow

داده ها در شرکت Data in the Enterprise

  • مقدمه Introduction

  • فروشگاه ویژگی Feature Store

  • کاتالوگ داده ها Data Catalog

  • دیتاپلکس Dataplex

  • مرکز تجزیه و تحلیل Analytics Hub

  • گزینه های پیش پردازش داده ها Data preprocessing options

  • Dataprep Dataprep

  • مقدمه آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Dataprep Lab intro: Exploring and Creating an Ecommerce Analytics Pipeline with Dataprep

  • آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Cloud Dataprep نسخه 1.5 Lab: Exploring and Creating an Ecommerce Analytics Pipeline with Cloud Dataprep v1.5

  • منابع: داده ها در سازمان Resources: Data in the Enterprise

علم یادگیری ماشین و آموزش سفارشی Science of Machine Learning and Custom Training

  • مقدمه Introduction

  • هنر و علم یادگیری ماشینی The art and science of machine learning

  • تمرین را سریعتر کنید Make training faster

  • زمان استفاده از آموزش سفارشی When to use custom training

  • الزامات و وابستگی های آموزشی (قسمت 1) Training requirements and dependencies (part 1)

  • الزامات و وابستگی های آموزشی (قسمت 2) Training requirements and dependencies (part 2)

  • آموزش مدل های سفارشی ML با استفاده از Vertex AI Training custom ML models using Vertex AI

  • معرفی آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده Lab intro: Vertex AI: Custom Training Job and Prediction Using Managed Datasets

  • آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده Lab: Vertex AI: Custom Training Job and Prediction Using Managed Datasets

  • منابع: علم یادگیری ماشین و آموزش سفارشی Resources: Science of Machine Learning and Custom Training

  • منابع: علم یادگیری ماشین Resources: The Science of Machine Learning

تنظیم فراپارامتر Vertex Vizier Vertex Vizier Hyperparameter Tuning

  • مقدمه Introduction

  • تنظیم فراپارامتر Vertex AI Vizier Vertex AI Vizier hyperparameter tuning

  • مقدمه آزمایشگاه: تنظیم Hyperparameter Vertex Vizier Lab intro: Vertex Vizier Hyperparameter Tuning

  • آزمایشگاه: Vertex AI: Hyperparameter Tuning Lab: Vertex AI: Hyperparameter Tuning

  • آزمایشگاه: استفاده از Vertex Vizier برای بهینه سازی چندین هدف Lab: Using Vertex Vizier to Optimize Multiple Objectives

  • منابع: Vertex Vizier Hyperparameter Tuning Resources: Vertex Vizier Hyperparameter Tuning

پیش بینی و نظارت بر مدل با استفاده از Vertex AI Prediction and Model Monitoring Using Vertex AI

  • مقدمه Introduction

  • پیش بینی با استفاده از Vertex AI Predictions using Vertex AI

  • آزمایشگاه: Vertex SDK: مدل‌های رگرسیون جدولی آموزش سفارشی برای پیش‌بینی و توضیح آنلاین Lab: Vertex SDK: Custom Training Tabular Regression Models for Online Prediction and Explainability

  • مدیریت مدل با استفاده از Vertex AI Model management using Vertex AI

  • معرفی آزمایشگاه: رصد مدل AI Vertex Lab intro: Vertex AI Model Monitoring

  • آزمایشگاه: مانیتورینگ مدل AI Vertex Lab: Monitoring Vertex AI Model

  • منابع: پیش بینی و نظارت بر مدل با استفاده از Vertex AI Resources: Prediction and Model Monitoring Using Vertex AI

خطوط لوله AI Vertex Vertex AI Pipelines

  • مقدمه Introduction

  • پیش بینی با استفاده از خطوط لوله Vertex AI Prediction using Vertex AI pipelines

  • معرفی آزمایشگاه: Pipelines Vertex AI Lab intro: Vertex AI Pipelines

  • معرفی و بررسی آزمایشگاه: خط لوله هوش مصنوعی Vertex Lab Introduction and Walkthrough: Vertex AI pipeline

  • آزمایشگاه: مقدمه ای بر خطوط لوله ورتکس Lab: Introduction to Vertex Pipelines

  • آزمایشگاه: اجرای خطوط لوله بر روی Vertex AI 2.5 Lab: Running Pipelines on Vertex AI 2.5

  • منابع: Pipelines Vertex AI Resources: Vertex AI Pipelines

بهترین روش ها برای توسعه ML Best Practices for ML Development

  • مقدمه Introduction

  • بهترین شیوه ها برای استقرار و سرویس دهی مدل Best practices for model deployment and serving

  • بهترین روش ها برای نظارت بر مدل Best practices for model monitoring

  • بهترین شیوه های خط لوله Vertex AI Vertex AI pipeline best practices

  • بهترین شیوه ها برای سازماندهی مصنوعات Best practices for artifact organization

  • منابع: بهترین روش ها برای توسعه ML در Vertex AI Resources: Best Practices for ML Development on Vertex AI

خلاصه دوره Course Summary

  • خلاصه Summary

  • منبع: تمام سوالات مسابقه Resource: All quiz questions

  • منابع: همه مطالب خوانده شده Resources: All readings

  • منبع: همه اسلایدها Resource: All slides

خلاصه سریال Series Summary

  • خلاصه سریال Series summary

  • منبع: خلاصه بهترین شیوه ها Resource: Best practices summary

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشینی در سازمان
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2h 8m
57
Pluralsight (پلورال سایت) pluralsight-small
26 مرداد 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
از 5
دارد
دارد
دارد
Google Cloud

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.