آموزش مبانی MLOps (عملیات یادگیری ماشین)

MLOps (Machine Learning Operations) Fundamentals

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره شرکت کنندگان را با ابزارها و بهترین شیوه های MLOps برای استقرار ، ارزیابی ، نظارت و بهره برداری از سیستم های تولید ML در Google Cloud آشنا می کند. MLOps بر استقرار ، آزمایش ، نظارت و اتوماسیون سیستم های ML متمرکز است. همه را بزرگ کنید چرا و چه زمانی به MLOps نیاز داریم 16m 25s درک م mainلفه های اصلی Kubernetes (اختیاری) 1 ساعت و 37 دقیقه و 15 ثانیه مقدمه ای بر خطوط لوله بستر های نرم افزاری AI 41m 37s آموزش ، تنظیم و خدمت در بستر AI 37 متر 5 ثانیه خطوط لوله Kubeflow در بستر AI 32m 31s CI/CD برای خطوط لوله Kubeflow در بستر AI 13m 37s خلاصه دوره 1m 59s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

چرا و چه زمانی به MLOps نیاز داریم Why and When do we need MLOps

  • معرفی دوره Course Introduction

  • Data Scientists ’Pain Points Data Scientists’ Pain Points

  • چرخه زندگی یادگیری ماشین Machine Learning Lifecycle

  • MLOps Architecture و اجزای توسعه یافته TensorFlow MLOps Architecture and TensorFlow Extended Components

درک م mainلفه های اصلی Kubernetes (اختیاری) Understanding the main Kubernetes components (Optional)

  • مقدمه Introduction

  • معرفی ظروف Introduction to Containers

  • ظروف و تصاویر کانتینر Containers and Container Images

  • معرفی آزمایشگاه Lab introduction

  • شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

  • آزمایشگاه: کار با Cloud Build Lab: Working with Cloud Build

  • محلول آزمایشگاه Lab solution

  • مقدمه ای بر کوبرنتس Introduction to Kubernetes

  • مقدمه ای بر موتور Google Kubernetes Introduction to Google Kubernetes Engine

  • جزئیات گزینه های محاسبه Compute Options Detail

  • مفاهیم Kubernetes Kubernetes Concepts

  • هواپیمای کنترل Kubernetes The Kubernetes Control Plane

  • مفاهیم موتور Google Kubernetes Google Kubernetes Engine Concepts

  • مقدمه آزمایشگاه Lab Introduction

  • آزمایشگاه: استفاده از موتور Google Kubernetes Lab: Deploying Google Kubernetes Engine

  • راه حل آزمایشگاه Lab Solution

  • استقرارها 1 Deployments 1

  • راه های ایجاد استقرار Ways to Create Deployments

  • خدمات و مقیاس گذاری Services and Scaling

  • به روزرسانی اعزام ها Updating Deployments

  • به روز رسانی های نورد Rolling Updates

  • استقرارهای سبز و آبی Blue-Green Deployments

  • اعزام قناری Canary Deployments

  • مدیریت استقرارها Managing Deployments

  • معرفی آزمایشگاه Lab Intro

  • آزمایشگاه: ایجاد استقرار موتور Kubernetes Google Lab: Creating Google Kubernetes Engine Deployments

  • مشاغل و CronJobs Jobs and CronJobs

  • مشاغل موازی Parallel Jobs

  • CronJobs CronJobs

مقدمه ای بر خطوط لوله بستر های نرم افزاری AI Introduction to AI Platform Pipelines

  • بررسی اجمالی Overview

  • مقدمه ای بر خطوط لوله بستر های نرم افزاری AI Introduction to AI Platform Pipelines

  • خطوط لوله بستر AI: مفاهیم AI Platform Pipelines : Concepts

  • خطوط لوله بستر های نرم افزاری AI: زمان استفاده AI Platform Pipelines : When to use

  • خطوط لوله بستر AI: اکوسیستم AI Platform Pipelines : Ecosystem

  • آزمایشگاه: در حال اجرای خطوط لوله بستر های نرم افزاری AI Lab: Running AI Platform Pipelines

  • راه حل آزمایشگاهی: خطوط لوله بستر های نرم افزاری AI Lab Solution: AI Platform Pipelines

آموزش ، تنظیم و خدمت در بستر AI Training, Tuning and Serving on AI Platform

  • بررسی اجمالی سیستم و مفاهیم System and concepts overview

  • یک مجموعه داده قابل تکرار ایجاد کنید Create a reproducible dataset

  • مدل قابل تنظیم را پیاده سازی کنید Implement a tunable model

  • یک ظرف آموزشی بسازید و فشار دهید Build and push a training container

  • مدل را آموزش دهید و تنظیم کنید Train and tune the model

  • مدل را ارائه و پرس و جو کنید Serve and query the model

  • معرفی آزمایشگاه: آموزش ، تنظیم و خدمت در بستر های نرم افزاری هوش مصنوعی Lab Intro: Training, Tuning, and Serving on AI Platform

  • آزمایشگاه: استفاده از ظروف سفارشی با AI Platform Training Lab: Using custom containers with AI Platform Training

خطوط لوله Kubeflow در بستر AI Kubeflow Pipelines on AI Platform

  • بررسی اجمالی سیستم و مفهوم System and concept overview

  • توصیف خط لوله Kubeflow با KF DSL Describing a Kubeflow Pipeline with KF DSL

  • اجزای از پیش ساخته شده Pre-built components

  • اجزای سبک پایتون Lightweight Python Components

  • اجزای سفارشی Custom components

  • کامپایل ، بارگذاری و اجرا Compile, Upload and Run

  • Lab Intro: خط لوله آموزش مداوم با خط لوله Kubeflow و Cloud AI Platform Lab Intro: Continuous Training Pipeline with Kubeflow Pipeline and Cloud AI Platform

  • آزمایشگاه: خط لوله آموزش مداوم با KFP و Cloud AI Platform Lab: Continuous Training Pipeline with KFP and Cloud AI Platform

CI/CD برای خطوط لوله Kubeflow در بستر AI CI/CD for Kubeflow Pipelines on AI Platform

  • نمای کلی مفهوم Concept Overview

  • سازندگان ابر ساز Cloud Build Builders

  • پیکربندی ساخت ابر Cloud Build Configuration

  • راه اندازهای Cloud Build Cloud Build Triggers

  • Lab Intro: CI/CD برای خط لوله Kubeflow Lab Intro: CI/CD for a Kubeflow Pipeline

  • آزمایشگاه: CI/CD برای خط لوله KFP Lab: CI/CD for a KFP pipeline

خلاصه دوره Course Summary

  • خلاصه دوره Course Summary

نمایش نظرات

آموزش مبانی MLOps (عملیات یادگیری ماشین)
جزییات دوره
5h 0m
63
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Google Cloud
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Google Cloud Google Cloud

ایجاد تحول دیجیتال با آموزش درخواستی

Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.

Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر می‌سازد تا مهارت‌های ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاه‌های عملی این شرکت اعتبارنامه‌های موقتی را به منابع واقعی ابر ارائه می‌دهند، بنابراین افراد می‌توانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.

در وب‌سایت رسمی Google Cloud بیشتر بیاموزید.