آموزش سیستم های یادگیری ماشین تولید

مقدمه ای بر یادگیری ماشینی پیشرفته در Google Cloud Introduction to Advanced Machine Learning on Google Cloud

• یادگیری ماشینی پیشرفته در Google Cloud Advanced Machine Learning on Google Cloud

• خوش آمدی Welcome

سیستم های ML تولید معماری Architecting Production ML Systems

• معماری سیستم های ML Architecting ML systems

• استخراج، تجزیه و تحلیل و آماده سازی داده ها Data extraction, analysis, and preparation

• آموزش مدل، ارزیابی و اعتبارسنجی Model training, evaluation, and validation

• مدل آموزش دیده، خدمات پیش بینی، و نظارت بر عملکرد Trained model, prediction service, and performance monitoring

• تصمیمات طراحی آموزشی Training design decisions

• ارائه تصمیمات طراحی Serving design decisions

• طراحی از ابتدا Designing from scratch

• با استفاده از Vertex AI Using Vertex AI

• مقدمه آزمایشگاه: پیش بینی داده های ساخت یافته Lab introduction: Structured data prediction

• شروع کار با GCP و Qwiklabs Getting Started with GCP and Qwiklabs

• آزمایشگاه: پیش‌بینی ساختار داده‌ها با استفاده از پلتفرم Vertex AI Lab: Structured data prediction using Vertex AI Platform

• مطالب خوانده شده: معماری سیستم های ML تولید Readings: Architecting production ML systems

طراحی سیستم های ML سازگار Designing Adaptable ML Systems

• معرفی Introduction

• انطباق با داده ها Adapting to data

• تغییر توزیع ها Changing distributions

• آزمایشگاه: تطبیق با داده ها Lab: Adapting to data

• تصمیمات درست و غلط Right and wrong decisions

• خرابی سیستم System failure

• رانش مفهومی Concept drift

• اقدامات برای کاهش انحراف مفهوم Actions to mitigate concept drift

• اعتبارسنجی داده های TensorFlow TensorFlow data validation

• مؤلفه های اعتبارسنجی داده های TensorFlow Components of TensorFlow data validation

• مقدمه آزمایشگاه: مقدمه ای بر اعتبارسنجی داده های TensorFlow Lab Introduction: Introduction to TensorFlow Data Validation

• آزمایشگاه: مقدمه ای بر اعتبارسنجی داده های TensorFlow Lab: Introduction to TensorFlow Data Validation

• مقدمه آزمایشگاه: تجسم های پیشرفته با اعتبارسنجی داده های TensorFlow Lab Introduction: Advanced Visualizations with TensorFlow Data Validation

• آزمایشگاه: تجسم‌های پیشرفته با اعتبارسنجی داده‌های TensorFlow Lab: Advanced Visualizations with TensorFlow Data Validation

• کاهش انحراف در خدمت آموزش از طریق طراحی Mitigating training-serving skew through design

• مقدمه آزمایشگاه: ارائه پیش بینی های ML به صورت دسته ای و واقعی Lab Introduction: Serving ML Predictions in Batch and Real Time

• آزمایشگاه: ارائه پیش‌بینی‌های ML به صورت دسته‌ای و زمان واقعی Lab: Serving ML Predictions in Batch and Real Time

• بررسی آزمایشگاهی: ارائه پیش‌بینی‌های ML به صورت دسته‌ای و زمان واقعی Lab Debrief: Serving ML Predictions in Batch and Real Time

• تشخیص مدل تولید Diagnosing a production model

• مطالب خواندنی: طراحی سیستم های ML سازگار Readings: Designing adaptable ML systems

طراحی سیستم های ML با کارایی بالا Designing High-Performance ML Systems

• معرفی Introduction

• آموزش Training

• پیش بینی ها Predictions

• چرا آموزش توزیع شده مورد نیاز است Why distributed training is needed

• معماری های آموزشی توزیع شده Distributed training architectures

• TensorFlow استراتژی های آموزشی را توزیع کرد TensorFlow distributed training strategies

• استراتژی آینه ای Mirrored strategy

• استراتژی آینه کاری چند کارگری Multi-worker mirrored strategy

• استراتژی TPU TPU strategy

• استراتژی سرور پارامتر Parameter server strategy

• معرفی آزمایشگاه: آموزش توزیع شده با کراس Lab Introduction: Distributed Training with Keras

• آزمایشگاه: آموزش توزیع شده با کراس Lab: Distributed Training with Keras

• معرفی آزمایشگاه: آموزش توزیع شده با استفاده از GPU در پلتفرم Cloud AI Lab Introduction: Distributed Training using GPUs on Cloud AI Platform

• آزمایشگاه: آموزش توزیع شده با استفاده از GPU در پلتفرم Cloud AI Lab: Distributed Training using GPUs on Cloud AI Platform

• آموزش مجموعه داده های بزرگ با tf.data API Training on large datasets with tf.data API

• معرفی آزمایشگاه: خطوط لوله داده با سرعت TPU Lab Introduction: TPU-speed Data Pipelines

• آزمایشگاه: خطوط لوله داده با سرعت TPU Lab: TPU-speed Data Pipelines

• استنتاج Inference

• خواندنی ها: طراحی سیستم های ML با کارایی بالا Readings: Designing high-performance ML systems

ساخت سیستم های ML ترکیبی Building Hybrid ML Systems

• معرفی Introduction

• یادگیری ماشین در ابر هیبریدی Machine Learning on Hybrid Cloud

• Kubeflow Kubeflow

• معرفی آزمایشگاه: خطوط لوله Kubeflow با پلتفرم هوش مصنوعی Lab Introduction: Kubeflow Pipelines with AI Platform

• آزمایشگاه: استفاده از خطوط لوله Kubeflow با پلتفرم هوش مصنوعی Lab: Using Kubeflow Pipelines with AI Platform

• مدل های تعبیه شده Embedded models

• TensorFlow Lite TensorFlow Lite

• بهینه سازی TensorFlow برای موبایل Optimizing TensorFlow for mobile

• خلاصه Summary

• قرائت: سیستم های ترکیبی ML Readings: Hybrid ML systems

خلاصه Summary

• خلاصه دوره Course summary

• تولید سیستم های یادگیری ماشینی - خواندن Production Machine learning systems - readings

• تمام سوالات و پاسخ های مسابقه All quiz questions and answers

منابع دوره Course Resources

• منابع دوره سیستم های ML تولید معماری - قسمت 1 Architecting Production ML Systems Course Resources - Part 1

• منابع دوره سیستم های ML تولید معماری - قسمت 2 Architecting Production ML Systems Course Resources - Part 2