آموزش استقرار مدل‌های یادگیری عمیق (Deep Learning Model Deployment) - آخرین آپدیت

دانلود Deep Learning Model Deployment

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آموزش یک مدل یادگیری عمیق تنها شروع کار است. چالش واقعی، استقرار (Deployment) مدل است تا بتواند پیش‌بینی‌ها را برای کاربران و برنامه‌های واقعی ارائه دهد. در این دوره جامع «استقرار مدل‌های یادگیری عمیق»، شما توانایی تبدیل مدل‌های آموزش‌دیده از محیط توسعه به محیط‌های عملیاتی را به صورت سرویس‌هایی قابل اعتماد و مقیاس‌پذیر کسب خواهید کرد. در ابتدا، با نحوه آماده‌سازی مدل‌ها برای استقرار از طریق سریال‌سازی (Serialization) در فرمت‌های قابل انتقال، بهینه‌سازی اندازه و سرعت و بسته‌بندی آن‌ها به همراه وابستگی‌ها آشنا می‌شوید. سپس، نحوه ساخت RESTful API برای استنتاج مدل، کانتینری‌سازی سرویس‌ها با Docker و استقرار آن‌ها در محیط‌های عملیاتی (Production) را خواهید آموخت. در نهایت، یاد می‌گیرید که چگونه عملکرد مدل را در طول زمان نظارت کنید، تغییرات توزیع داده‌ها (Drift) را شناسایی کرده و گردش‌های کاری خودکار برای نگهداری مدل پیاده‌سازی نمایید. پس از پایان این دوره، شما مهارت‌ها و دانش لازم در زمینه استقرار یادگیری عمیق را خواهید داشت تا مدل‌های خود را به سرویس‌های آماده تولید تبدیل کنید که ارزش واقعی در دنیای واقعی خلق می‌کنند.

سرفصل ها و درس ها

آماده‌سازی مدل‌ها برای محیط عملیاتی Preparing Models for Production

  • معرفی دوره Course Introduction

  • درک فرمت‌های سریال‌سازی مدل Understanding Model Serialization Formats

  • ذخیره‌سازی مدل تشخیص اشعه ایکس Saving Your X-ray Model

  • کوانتایز کردن مدل برای افزایش سرعت Model Quantization for Speed

  • ایجاد بسته مدل (Model Package) Creating a Model Package

استقرار مدل‌ها به عنوان سرویس Deploy Models as Services

  • مقدمه‌ای بر سرویس‌دهی مدل (Model Serving) Introduction to Model Serving

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

  • کانتینری‌سازی سرویس مدل Containerizing Your Model Service

  • بررسی کلی استقرار ابری Cloud Deployment Overview

  • استقرار در Google Cloud Run Deploying to Google Cloud Run

نظارت و نگهداری مدل‌های عملیاتی Monitoring and Maintaining Production Models

  • چرا عملکرد مدل‌ها در طول زمان کاهش می‌یابد؟ Why Do Models Degrade over Time?

  • نظارت بر عملکرد و شناسایی Drift Monitoring Performance and Detecting Drift

  • نسخه‌بندی مدل و بازآموزی خودکار Model Versioning and Automated Retraining

  • ایجاد تعادل بین تأخیر، مقیاس‌پذیری و هزینه Balancing Latency, Scalability, and Cost

نمایش نظرات

آموزش استقرار مدل‌های یادگیری عمیق (Deep Learning Model Deployment)
جزییات دوره
1h 9m
14
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
3
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Keerthi Pushpajan Keerthi Pushpajan

کیرتی مهندس کامپیوتر است که علاقه شدیدی به تست‌های دستی و خودکار دارد و کنجکاوی او در مورد امکانات هوش مصنوعی رو به افزایش است. او از کار در نقطه تلاقی جزئیات، منطق و حل مسئله لذت می‌برد. کیرتی در خارج از دنیای تکنولوژی، یک کارآفرین است. او یک برند جواهرات مصنوعی را مدیریت می‌کند که به طور مداوم در حال رشد است. آنچه به عنوان یک ایده کوچک شروع شد، به برندی با مشتریان وفادار تبدیل شده است که نتیجه دیدگاه او در طراحی و حس تجاری کاربردی است. چه در حال عیب‌یابی یک مورد تست باشد و چه در حال گردآوری یک مجموعه جدید، او در هر کاری که انجام می‌دهد دقت و هدفمندی را به کار می‌گیرد.