آموزش استقرار مدل های هوش مصنوعی و یادگیری ماشین برای کسب و کار | پایتون

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• معرفی Introduction

• من مدل دارم حالا چی؟ I have a model. Now what?

• چک لیست مهارت ها Skills Checklist

• اهداف یادگیری Learning Goals

مبانی داکر Docker basics

• چرا داکر؟ Why docker?

• کانتینرهای داکر چیست؟ What are docker containers?

• اهمیت کانتینرهای داکر در یادگیری ماشینی Importance of docker containers in machine learning

• جایی که devops با علم داده ملاقات می کند Where devops meets data science

• خلاصه Summary

• خلاصه Summary

اصول فلاسک Flask basics

• معرفی Introduction

• راه اندازی یک پروژه فلاسک Setting up a Flask Project

• Simple Flask API برای اضافه کردن دو عدد Simple Flask API to add two numbers

• گرفتن ورودی کاربر با درخواست های GET Taking user input with GET requests

• درخواست POST با Flask POST request with Flask

• استفاده از Flask در زمینه یادگیری ماشین Using Flask in the context of Machine Learning

نمایش یک سرویس یادگیری ماشین تصادفی جنگل به عنوان یک API Exposing a Random Forest Machine Learning service as an API

• معرفی Introduction

• نمای کلی API و مجموعه داده API & Dataset Overview

• آموزش مدل جنگل تصادفی Training the Random Forest model

• ترشی مدل جنگل تصادفی Pickling the Random Forest model

• نمایش مدل Random Forest به عنوان یک Flask API Exposing the Random Forest model as a Flask API

• تست مدل API Testing the API model

• ارائه ورودی فایل به Flask API Providing file input to Flask API

• Flasgger برای تولید خودکار UI Flasgger for autogenerating UI

• خلاصه Summary

نوشتن و ساخت Dockerfile Writing and building the Dockerfile

• معرفی Introduction

• دستور Base Image & FROM Base Image & FROM command

• دستورات COPY و EXPOSE COPY and EXPOSE commands

• دستورات WORKDIR، RUN و CMD WORKDIR, RUN and CMD commands

• آماده سازی اسکریپت های فلاسک برای داکرسازی Preparing the flask scripts for dockerizing

• نوشتن Dockerfile Writing the Dockerfile

• ساختن تصویر داکر Building the docker image

• اجرای مدل Random Forest در Docker Running the Random Forest model on Docker

ساخت اپلیکیشن داکر درجه تولید Building a production grade Docker application

• معرفی Introduction

• معماری کلی Overall Architecture

• پیکربندی فایل WSGI Configuring the WSGI file

• نوشتن Dockerfile درجه تولید Writing a production grade Dockerfile

• اجرای و اشکال زدایی یک داکر کانتینر در حال تولید Running and debugging a docker container in production

• Docker Quiz 1 - مفاهیم اساسی، دستورات Docker Quiz 1 – Basic Concepts, Commands

ساخت برنامه خوشه بندی متن مبتنی بر NLP Building NLP based Text Clustering application

• معرفی Introduction

• ریشه یابی و واژه سازی برای متن تمیزتر Stemming & Lemmatization for cleaner text

• تبدیل داده های بدون ساختار به ساختار یافته Converting unstructured to structured data

• KMeans Clustering KMeans Clustering

• آماده سازی خروجی اکسل Preparing the excel output

• دانلود کردن خروجی Making the output Downloadable

• یافتن کلیدواژه های برتر برای خوشه های kmeans Finding top keywords for kmeans clusters

• خروجی نهایی با نمودار Final output with charts

• خلاصه Summary

• داکر کردن برنامه خوشه بندی متن Dockerizing the text clustering app

API برای تشخیص تصویر با یادگیری عمیق API for image recognition with deep learning

• معرفی Introduction

• معرفی Introduction

• تجسم تصاویر ورودی Visualizing the input images

• آماده سازی تصاویر ورودی Preparing the input images

• ساخت مدل یادگیری عمیق Building the deep learning model

• آموزش و ذخیره مدل یادگیری عمیق آموزش دیده Training and saving the trained deep learning model

• تولید تصاویر آزمایشی Generating test images

• بسته بندی API Flask برای پیش بینی Flask API wrapper for making predictions

• خلاصه Summary

• داکر کردن اپلیکیشن یادگیری عمیق Dockerizing the deep learning app