لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش جامع DevOps، DataOps و MLOps
- آخرین آپدیت
دانلود DevOps, DataOps, MLOps
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بیاموزید چگونه از عملیات یادگیری ماشین (MLOps) برای حل مسائل دنیای واقعی استفاده کنید. این دوره راهکارهای جامع (End-to-End) را با استفاده از برنامهنویسی جفت با هوش مصنوعی (AI Pair Programming) و تکنولوژیهایی مانند GitHub Copilot برای ساخت اپلیکیشنهای یادگیری ماشین (ML) و هوش مصنوعی پوشش میدهد. این دوره برای افرادی است که به عنوان دانشمند داده، مهندس نرمافزار، توسعهدهنده، تحلیلگر داده یا هر نقشی که از ML استفاده میکند، فعالیت میکنند یا قصد ورود به این مشاغل را دارند.
در پایان این دوره، شما قادر خواهید بود از فریمورکهای وب (مانند Gradio و Hugging Face) برای راهکارهای ML استفاده کنید، یک ابزار خط فرمان (CLI) با فریمورک Click بسازید و از زبان Rust برای تسریع پردازشهای ML بر روی GPU بهره ببرید.
هفته اول: بررسی تکنولوژیهای MLOps و مدلهای پیشآموزشدیده برای حل مشکلات مشتریان.
هفته دوم: بهکارگیری عملی ML و AI از طریق بهینهسازی، اکتشافی (Heuristics) و شبیهسازیها.
هفته سوم: توسعه خطلولههای عملیاتی (Pipelines) شامل DevOps، DataOps و MLOps با استفاده از GitHub.
هفته چهارم: ساخت کانتینرها برای ML و بستهبندی استاندارد راهکارها جهت استقرار در سیستمهای ابری مبتنی بر کانتینر.
هفته پنجم: انتقال از پایتون به زبان Rust برای ساخت راهکارهای Kubernetes، Docker، Serverless، مهندسی داده، علوم داده و MLOps.
سرفصل ها و درس ها
مقدمهای بر MLOps
Introduction to MLOps
مقدمهای بر MLOps
Introduction to MLOps
پیشزمینه و مفاهیم MLOps
MLOps Background
روندها و تکنیکهای MLOps
MLOps Trends and Techniques
DevOps چیست؟
What is DevOps?
DataOps چیست؟
What is DataOps?
MLOps: بررسی مدلهای سنگین در مقابل سبک
MLOPs: Heavy vs Light
MLOps: سلسلهمراتب نیازها
MLOps: Hierarchy of Needs
مسموم کردن دادهها در سیستمهای یادگیری ماشین
Data Poisoning Machine Learning Systems
اجزای کلیدی در MLOps کدامند؟
What are the Key Components in MLOPs?
بررسی مدلهای بلوغ MLOps
Considering the MLOps Maturity Models
یکپارچهسازی مستمر (CI) چیست؟
What is Continuous Integration?
تحویل مستمر (CD) چیست؟
What is Continuous Delivery?
Feature Store چیست؟
What is a Feature Store?
Data Drift یا رانش دادهها چیست؟
What is Data Drift?
عملیاتی کردن یک میکروسرویس
Operationalizing a Microservice
CI برای میکروسرویسها
CI for Microservices
MLOps جامع با HuggingFace Spaces
End to End MLOps HuggingFace Spaces
مثال App Runner
App Runner Example
مثال Flask
Flask Example
ساخت میکروسرویس Golang در GCP App Engine
Building Golang GCP App Engine Microservice
شروع کار با Makefile
Getting Started with Makefile
سه فایل حیاتی در یک پروژه پایتون
The Three Most Important Files in a Python Project
ریاضیات ضروری و علوم داده
Essential Math and Data Science
شروع کار با علوم داده در روز اول
Doing Data Science Your First Day
Colab چیست؟
What is Colab?
درک مسئله فروشنده دورگرد (TSP)
Understanding the Traveling Salesman Problem (TSP)
شبیهسازی در مقابل ردیابی آزمایشات
Simulations vs. Experiment Tracking
کاربرد عملی ML و AI در خوشهبندی (Clustering)
Machine Learning and AI in Practice with Clustering
Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلمهای اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نمایش نظرات