آموزش ساخت سیستم‌های یادگیری ماشین بلادرنگ: APIها، مدل‌ها و استقرار - آخرین آپدیت

تعریف مسئله و خط لوله جمع‌آوری داده‌ها Problem Scoping & Data Collection Pipeline

• تبدیل سوال تجاری به مسئله یادگیری ماشین From Business Question to ML Problem

• معرفی پروژه — چرا پیش‌بینی کیفیت هوا Meet the Project — Why Air Quality Prediction

• طراحی معماری سیستم End-to-End Designing the End-to-End System Architecture

• دریافت داده‌های AQI از APIهای دولتی Fetching AQI Data from Government APIs

• داده‌های هواشناسی از API OpenWeatherMap Weather Data from OpenWeatherMap API

• زمان‌بندی خودکار جمع‌آوری داده‌ها Scheduling Automated Data Collection

• وب اسکرپینگ داده‌های ترافیکی و صنعتی Web Scraping Traffic & Industrial Data

• غنی‌سازی با ویژگی‌های استاتیک و مکانی Enriching with Static & Geospatial Features

• ذخیره‌سازی و نسخه‌بندی داده‌ها Data Storage & Versioning

پردازش داده‌ها و مهندسی ویژگی‌ها Data Processing & Feature Engineering

• مدیریت مقادیر گم‌شده و داده‌های پرت Handling Missing Values & Outliers

• بررسی کیفیت و اعتبارسنجی داده‌ها Data Quality Checks & Validation

• ادغام داده‌های چند منبعی Merging Multi-Source Data

• تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis

• الگوهای زمانی و مکانی Temporal & Geospatial Patterns

• مستندسازی یافته‌های EDA و فرضیات ویژگی‌ها Documenting EDA Insights & Feature Hypotheses

• ساخت خط لوله ویژگی‌های بازتولیدپذیر Building a Reproducible Feature Pipeline

• ویژگی‌های آب‌وهوایی و تخصصی دامنه Weather & Domain-Specific Features

• پیاده‌سازی خط لوله نهایی ویژگی‌ها Building a Reproducible Feature Pipeline

ساخت، ارزیابی و بهینه‌سازی مدل Model Building, Evaluation & Optimization

• راه‌اندازی MLflow برای ردیابی آزمایش‌ها Setting Up MLflow for Experiment Tracking

• ساخت مدل‌های پایه (Baseline) Building Baseline Models

• اعتبارسنجی متقاطع زمان-آگاه Time-Aware Cross-Validation

• مدل‌های مبتنی بر درخت — Random Forest, XGBoost, LightGBM Tree-Based Models — Random Forest, XGBoost, LightGBM

• تنظیم هایپرپارامترها با Optuna Hyperparameter Tuning with Optuna

• طبقه‌بندی دسته‌های AQI (چند کلاسه) AQI Category Classification (Multi-Class)

• مقایسه جامع مدل‌ها Comprehensive Model Comparison

• تفسیرپذیری مدل با SHAP Model Interpretability with SHAP

• تهیه گزارش مدل برای ذینفعان Building the Model Report for Stakeholders

استقرار، مانیتورینگ و یادگیری ماشین در محیط تولید Deployment, Monitoring & Production ML

• بسته‌بندی خط لوله ML برای محیط تولید Packaging the ML Pipeline for Production

• ساخت REST API با FastAPI Building a REST API with FastAPI

• تست API و مدیریت خطاها API Testing & Error Handling

• داشبورد تعاملی Streamlit Interactive Streamlit Dashboard

• کانتینری‌سازی با Docker Containerizing with Docker

• استقرار در فضای ابری Cloud Deployment

• مانیتورینگ مدل با Evidently AI Model Monitoring with Evidently AI

• شناسایی تغییر در داده‌ها و مفاهیم (Drift) Detecting Data & Concept Drift

• بازآموزی خودکار و ارکستراسیون خط لوله Automated Retraining & Pipeline Orchestration

• جمع‌بندی پروژه و نمایش در پورتفولیو Project Wrap-Up & Portfolio Showcase