آموزش عامل‌های هوش مصنوعی و MLOps برای پیاده‌سازی مدل‌های آماده تولید - آخرین آپدیت

عامل‌های هوش مصنوعی – بررسی جامع AI Agents – A Comprehensive Overview

• کار عملی با AutoGen | IBM Bee | LangGraph | CrewAI | AutoGPT Hands-On AutoGen | IBM Bee | LangGraph | CrewAI | AutoGPT

• کار عملی با AutoGen Hands-On AutoGen

• کار عملی با فریم‌ورک IBM Bee Hands-On IBM Bee Framework

• کار عملی با LangGraph Hands-On LangGraph

• کار عملی با CrewAI Hands-On CrewAI

• کار عملی با AutoGPT Hands-On AutoGPT

مقدمه و MLOps عملی Introduction and Hands-On MLOps

• مقدمه‌ای بر جلسات MLOps Introduction to MLOps Sessions

• مروری بر MLOps و اهمیت آن Overview of MLOps and Its Importance

• تکامل عملیات یادگیری ماشین Evolution of Machine Learning Operations

• مفاهیم کلیدی در MLOps: نسخه‌بندی، اتوماسیون و مانیتورینگ Key Concepts in MLOps: Versioning, Automation, and Monitoring

• مقایسه MLOps و DevOps: شباهت‌ها و تفاوت‌ها MLOps vs DevOps: Similarities and Differences

• تمرین عملی: راه‌اندازی ساختار پروژه پایه MLOps (Git, Docker, Model Pipeline) Hands-On: Set Up a Basic MLOps Project Structure (Git, Docker, Model Pipeline)

• مقدمه‌ای بر بخش خط لوله انتقال از علوم داده به تولید Introduction to Data Science to Production Pipeline Section

• مروری بر گردش کار ML: از آماده‌سازی داده‌ها تا استقرار Overview of the ML Workflow: Data Preparation to Deployment

• مرحله آزمایش در مقابل مرحله تولید Experimentation vs Production

• چالش‌های استقرار مدل‌های یادگیری ماشین Challenges in Deploying ML Models

• تمرین عملی: ساخت یک خط لوله جامع (End-to-End) برای مدل ML Hands-On: Build an End-to-End Pipeline for an ML Model

• مقدمه‌ای بر بخش زیرساخت‌های MLOps Introduction to Infrastructure for MLOps Section

• آشنایی با پلتفرم‌های ابری (AWS, GCP, Azure) Introduction to Cloud Platforms (AWS, GCP, Azure)

• کانتینری‌سازی با Docker Containerization with Docker

• استفاده از Kubernetes برای مدیریت بارهای کاری ML Kubernetes for Orchestrating ML Workloads

• راه‌اندازی محیط‌های MLOps محلی Setting Up Local MLOps Environments

• تمرین عملی: کانتینریزه کردن مدل ML ساده و استقرار محلی با Kubernetes Hands-On: Containerize Simple ML Model and Deploy It Locally Using Kubernetes

آزمون نهایی و تبریکات Final Quiz and Congratulations

• جمع‌بندی تخصص Conclusion to the Specialization