آموزش MLOps (عملیات یادگیری ماشینی) مبانی

به MLOps Fundamentals خوش آمدید Welcome to MLOps Fundamentals

• معرفی دوره Course Introduction

چرا و چه زمانی به MLO ها نیاز داریم Why and When do we Need MLOps

• نقاط درد دانشمندان داده Data Scientists’ Pain Points

• مفهوم DevOps در ML The concept of DevOps in ML

• چرخه زندگی یادگیری ماشینی Machine Learning Lifecycle

آشنایی با اجزای اصلی Kubernetes (اختیاری) Understanding the Main Kubernetes Components (Optional)

• معرفی Introduction

• معرفی کانتینرها Introduction to Containers

• کانتینرها و تصاویر کانتینر Containers and Container Images

• Pluralsight: شروع به کار با GCP و Qwiklabs Pluralsight: Getting Started with GCP and Qwiklabs

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

• مقدمه ای بر Kubernetes Introduction to Kubernetes

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

• محاسبه جزئیات گزینه ها Compute Options Detail

• مفاهیم Kubernetes Kubernetes Concepts

• هواپیمای کنترلی کوبرنتیس The Kubernetes Control Plane

• مفاهیم موتور Google Kubernetes Google Kubernetes Engine Concepts

• معرفی آزمایشگاه Lab Intro

• آزمایشگاه: استقرار Google Kubernetes Engine Lab: Deploying Google Kubernetes Engine

• محلول آزمایشگاهی Lab solution

• محلول آزمایشگاهی Lab solution

• استقرارها Deployments

• راه های ایجاد استقرار Ways to Create Deployments

• خدمات و مقیاس بندی Services and Scaling

• به روز رسانی استقرارها Updating Deployments

• به روز رسانی های چرخشی Rolling Updates

• استقرار آبی-سبز Blue-Green Deployments

• استقرار قناری Canary Deployments

• مدیریت استقرارها Managing Deployments

• معرفی آزمایشگاه Lab Intro

• معرفی آزمایشگاه Lab Intro

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

• جابز و کرون جابز Jobs and CronJobs

• مشاغل موازی Parallel Jobs

• کرون جابز CronJobs

مقدمه ای بر خطوط لوله پلتفرم هوش مصنوعی Introduction to AI Platform Pipelines

• بررسی اجمالی Overview

• مقدمه ای بر خطوط لوله پلتفرم هوش مصنوعی Introduction to AI Platform Pipelines

• مفاهیم Concepts

• چه موقع باید استفاده کرد When to use

• زیست بوم Ecosystem

• آزمایشگاه: اجرای خطوط لوله پلتفرم هوش مصنوعی Lab: Running AI Platform Pipelines

• راه حل آزمایشگاهی Lab Solution

آموزش، تنظیم و ارائه خدمات در بستر هوش مصنوعی Training, Tuning and Serving on AI Platform

• نمای کلی سیستم و مفاهیم System and concepts overview

• ایجاد یک مجموعه داده قابل تکرار Create a reproducible dataset

• پیاده سازی یک مدل قابل تنظیم Implement a tunable model

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

• آموزش و کوک کردن یک مدل Train and tune a model

• سرویس و درخواست مدل Serve and query a model

• معرفی آزمایشگاه Lab Intro

• آزمایشگاه: استفاده از کانتینرهای سفارشی با آموزش پلتفرم هوش مصنوعی Lab: Using custom containers with AI Platform Training

• راه حل آزمایشگاهی Lab Solution

خطوط لوله Kubeflow در پلتفرم هوش مصنوعی Kubeflow Pipelines on AI Platform

• نمای کلی 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 وزن پایتون Lightweight Python Components

• اجزای سفارشی Custom components

• کامپایل، آپلود و اجرا کنید Compile, Upload and Run

• معرفی آزمایشگاه: خط لوله آموزش مداوم با خط لوله Kubeflow و پلتفرم هوش مصنوعی ابری Lab Intro: Continuous Training Pipeline with Kubeflow Pipeline and Cloud AI Platform

• آزمایشگاه: خط لوله آموزش مداوم با خط لوله Kubeflow و پلتفرم هوش مصنوعی ابری Lab: Continuous Training Pipeline with Kubeflow Pipeline and Cloud AI Platform

• راه حل آزمایشگاهی Lab Solution

CI/CD برای خطوط لوله Kubeflow در پلتفرم هوش مصنوعی CI/CD for Kubeflow Pipelines on AI Platform

• نمای کلی مفهوم Concept Overview

• سازندگان ساخت ابر Cloud Build Builders

• پیکربندی ساخت ابر Cloud Build Configuration

• محرک های ساخت ابر Cloud Build Triggers

• معرفی آزمایشگاه Lab Intro

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

خلاصه Summary

• خلاصه Summary

منابع دوره Course Resources

• منابع دوره Course Resources