آموزش جریان کاری هوش مصنوعی: استقرار مدل در سطح سازمانی - آخرین آپدیت

دانلود AI Workflow: Enterprise Model Deployment

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: این پنجمین دوره از تخصص گواهینامه جریان کاری هوش مصنوعی سازمانی IBM است. شدیداً توصیه می‌شود این دوره‌ها را به ترتیب دنبال کنید، زیرا این‌ها دوره‌های مستقل نیستند، بلکه بخشی از یک جریان کاری هستند که هر دوره بر پایه دوره‌های قبلی بنا شده است. این دوره شما را با حوزه‌ای آشنا می‌کند که تعداد کمی از دانشمندان داده فرصت تجربه آن را دارند: استقرار مدل‌ها برای استفاده در سازمان‌های بزرگ. Apache Spark یک چارچوب بسیار رایج برای اجرای مدل‌های یادگیری ماشین است و در این دوره، بهترین روش‌های استفاده از Spark پوشش داده خواهد شد. همچنین، متدهای بهینه برای دستکاری داده‌ها، آموزش مدل و تنظیم (Tuning) مدل مورد بررسی قرار می‌گیرد. مورد مطالعاتی این دوره بر ایجاد و استقرار یک سیستم توصیه‌گر (Recommender System) متمرکز است و در نهایت با معرفی فناوری‌های استقرار مدل به پایان می‌رسد. در پایان این دوره شما قادر خواهید بود: ۱. از RDDها، دیتا‌فریم‌ها و خط لوله (Pipeline) در Apache Spark استفاده کنید. ۲. از اسکریپت‌های spark-submit برای تعامل با محیط‌های Spark بهره ببرید. ۳. نحوه عملکرد فیلترینگ مشارکتی (Collaborative Filtering) و فیلترینگ مبتنی بر محتوا را توضیح دهید. ۴. یک خط لوله جذب داده (Data Ingestion Pipeline) با استفاده از Apache Spark و Apache Spark Streaming بسازید. ۵. هایپرپارامترها را در مدل‌های یادگیری ماشین روی Apache Spark تحلیل کنید. ۶. الگوریتم‌های یادگیری ماشین را با استفاده از رابط یادگیری ماشین Apache Spark مستقر کنید. ۷. یک مدل یادگیری ماشین را از Watson Studio به Watson Machine Learning منتقل و مستقر کنید. چه کسانی باید در این دوره شرکت کنند؟ این دوره برای متخصصان فعلی علوم داده است که در ساخت مدل‌های یادگیری ماشین مهارت دارند و می‌خواهند مهارت‌های خود را در زمینه ساخت و استقرار هوش مصنوعی در سازمان‌های بزرگ ارتقا دهند. اگر یک دانشمند داده تازه‌کار هستید، این دوره برای شما مناسب نیست زیرا برای بهره‌مندی از محتوای این آموزش‌ها به تجربه عملی در دنیای واقعی نیاز دارید. پیش‌نیازهای این دوره چیست؟ فرض بر این است که شما دوره‌های ۱ تا ۴ تخصص جریان کاری هوش مصنوعی IBM را گذرانده‌اید و در زمینه‌های زیر تسلط دارید: درک بنیادی از جبر خطی؛ آشنایی با نمونه‌برداری، تئوری احتمال و توزیع‌های احتمالی؛ دانش مفاهیم آماری توصیفی و استنتاجی؛ درک کلی از تکنیک‌ها و متدهای بهینه یادگیری ماشین؛ تسلط عملی بر پایتون و کتابخانه‌های رایج علوم داده (NumPy, Pandas, matplotlib, scikit-learn)؛ آشنایی با IBM Watson Studio و فرآیند تفکر طراحی (Design Thinking).

سرفصل ها و درس ها

استقرار مدل‌ها Deploying Models

مقدمه‌ای بر داده‌ها در مقیاس بزرگ Introduction to Data at Scale
آشنایی با Spark Introduction to Spark
مدیریت و استقرار مدل در Watson Studio Model Management and Deployment in Watson Studio