آموزش پردازش پیشرفته داده‌ها: معماری‌های دسته‌ای (Batch)، آنی (Real-Time) و ابری برای هوش مصنوعی - آخرین آپدیت

دانلود Advanced Data Processing: Batch, Real-Time, and Cloud Architectures for AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با ادغام روزافزون هوش مصنوعی در برنامه‌ها و گردش‌کارهای سازمانی، طراحی سیستم‌های AI مقاوم و مقیاس‌پذیر، به‌ویژه برای دانشمندان داده و مهندسان هوش مصنوعی، اهمیتی دوچندان یافته است. یک مهندس AI علاوه بر تسلط بر تکنیک‌ها و فناوری‌های یادگیری ماشین، باید بتواند از تخصص خود در معماری خط‌لوله‌های (Pipelines) AI و ML برای دستیابی به نتایج تجاری در مقیاس بزرگ استفاده کند. در این دوره، مدرس (Kumaran Ponnambalam) بر تصویر کلی ترکیب مدل‌ها، داده‌ها، اپلیکیشن‌ها و زیرساخت‌ها برای ایجاد معماری‌های مستحکم تمرکز می‌کند. در پایان این دوره، شما قادر خواهید بود الگوهای مختلف معماری از جمله دسته‌ای (Batch)، آنی (Real-time)، ابری (Cloud) و ترکیبی (Hybrid) را طراحی و مدیریت کرده و از بهترین استانداردهای آن‌ها پیروی کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • پردازش داده‌ها برای هوش مصنوعی Processing data for AI

1. معماری‌های هوش مصنوعی 1. AI Architectures

  • مهندسی ویژگی‌ها (Feature Engineering) Feature engineering

  • مقیاس‌پذیری و عملکرد Scale and performance

  • استنتاج یادگیری ماشین (ML Inference) ML inference

  • چرخه حیات یادگیری ماشین The ML life cycle

  • معماری‌های مخصوص هوش مصنوعی Architectures for AI

  • آموزش مدل Model training

2. معماری‌های هوش مصنوعی دسته‌ای (Batch) 2. Batch AI Architectures

  • مثال معماری AI دسته‌ای: تعریف مسئله Batch AI architecture example: Problem

  • مهندسی ویژگی‌های دسته‌ای Batch feature engineering

  • مثال معماری AI دسته‌ای: راهکار Batch AI architecture example: Solution

  • مقیاس‌بندی هوش مصنوعی دسته‌ای Scaling batch AI

  • استنتاج دسته‌ای Batch Inference

  • آموزش مدل به صورت دسته‌ای Batch model training

  • ویژگی‌های هوش مصنوعی دسته‌ای Characteristics of batch AI

3. معماری‌های هوش مصنوعی آنی (Real-Time) 3. Real-Time AI Architectures

  • مثال معماری AI آنی: تعریف مسئله Real-time AI architecture example: Problem

  • مقیاس‌بندی هوش مصنوعی آنی Scaling real-time AI

  • مهندسی ویژگی‌های آنی Real-time feature engineering

  • ویژگی‌های هوش مصنوعی آنی Characteristics of real-time AI

  • آموزش مدل در زمان واقعی Real-time model training

  • معماری‌های استنتاج آنی Real-time inference architectures

  • مثال معماری AI آنی: راهکار Real-time AI architecture example: Solution

4. معماری‌های هوش مصنوعی ابری (Cloud) 4. Cloud AI Architectures

  • رایانش ابری و بدون سرور (Serverless) Cloud and serverless computing

  • مثال معماری AI ابری: تعریف مسئله Cloud AI architecture example: Problem

  • مثال معماری AI ابری: راهکار Cloud AI architecture example: Solution

  • هوش مصنوعی در فضای ابری AI in the cloud

  • پلتفرم‌های ابری برای هوش مصنوعی Cloud platforms for AI

  • طراحی معماری برای فضای ابری Architecting for the cloud

5. معماری‌های هوش مصنوعی ترکیبی (Hybrid) 5. Hybrid AI Architectures

  • معماری‌های AI برای رایانش ترکیبی AI architectures for hybrid computing

  • رایانش ترکیبی (Hybrid Computing) Hybrid computing

  • استفاده از هوش مصنوعی در رایانش ترکیبی AI using hybrid computing

  • مثال معماری AI ترکیبی: راهکار Hybrid AI architecture example: Solution

  • مثال معماری AI ترکیبی: تعریف مسئله Hybrid AI architecture example: Problem

جمع‌بندی Conclusion

  • ادامه مسیر در پردازش داده‌های هوش مصنوعی Continuing with AI data processing

نمایش نظرات

آموزش پردازش پیشرفته داده‌ها: معماری‌های دسته‌ای (Batch)، آنی (Real-Time) و ابری برای هوش مصنوعی
جزییات دوره
1h 32m
33
(آخرین آپدیت)
2,579
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kumaran Ponnambalam Kumaran Ponnambalam

اختصاص به آموزش علوم داده

V2 Maestros به آموزش علوم داده و داده های بزرگ با هزینه های مقرون به صرفه برای جهان اختصاص دارد. مربیان ما تجربه دنیای واقعی در تمرین علم داده و ارائه نتایج تجاری دارند. علم داده یک حوزه داغ و در حال رخ دادن در صنعت فناوری اطلاعات است. متأسفانه منابع موجود برای یادگیری این مهارت به سختی یافت می شود و گران است. امیدواریم این مشکل را با ارائه آموزش باکیفیت با نرخ های مقرون به صرفه، با ایجاد استعدادهای علم داده در سراسر جهان، کاهش دهیم.