نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
مدیریت فرایند یادگیری ماشین با استفاده از روشهای توصیه شده برای امکان همکاری ، ردیابی و نظارت بر زمان واقعی ضروری است. این دوره به شما یاد می دهد که مهمترین دغدغه ها و مسائلی که شما باید در حین توسعه یک ... طبقه بندی و پیشنهاد محصول در این دوره ، از بین بردن عملیات یادگیری ماشین (MLOps) ، یاد خواهید گرفت که عملیات یادگیری ماشین را در پروژه یادگیری ماشین خود پیاده کنید. ابتدا ، نحوه استفاده از روشهای یادگیری ماشین (MLOps) را برای زیرساختهای خود کشف خواهید کرد. در مرحله بعدی ، خواهید فهمید که چگونه عملیات یادگیری ماشین (MLOps) در طول توسعه مدل. سرانجام ، شما نحوه استفاده از عملیات یادگیری ماشین (MLOps) را پس از استقرار مدل یاد خواهید گرفت. پس از پایان این دوره ، مهارت و دانش عملیات یادگیری ماشین مورد نیاز برای مدیریت چرخه عمر MLOps پروژه خود را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
درک عملیات یادگیری ماشین
Understanding Machine Learning Operations
-
بررسی اجمالی
Overview
-
تازه کننده خط لوله ML
ML Pipeline Refesher
-
چالش های خط لوله ML: قسمت 1
ML Pipeline Challenges: Part 1
-
چالش های خط لوله ML: قسمت 2
ML Pipeline Challenges: Part 2
-
معرفی MLOps
Introducing MLOps
-
مزایای MLOps
MLOps Benefits
-
اکوسیستم MLOps
MLOps Ecosystem
-
چه چیزی انتظار می رود
What to Expect
-
خلاصه
Summary
عملیات یادگیری ماشین برای زیرساخت
Machine Learning Operations for Infrastructure
-
بررسی اجمالی
Overview
-
توصیف مشکل تجاری
Describing the Business Problem
-
نسخه ی نمایشی: ارائه نمونه اولیه شما
Demo: Presenting Your Prototype
-
حرکت به سمت تولید
Moving to Production
-
درک زیرساخت های MLOps
Understanding MLOps Infrastructure
-
نسخه ی نمایشی: هل دادن پروژه Bootstrapped
Demo: Pushing Bootstrapped Project
-
چالش های رفع شده توسط کنترل منبع
Challenges Fixed by Source Control
-
نسخه ی نمایشی: ایجاد زیرساخت به عنوان کد - قسمت 1
Demo: Creating Infrastructure as a Code - Part 1
-
نسخه ی نمایشی: ایجاد زیرساخت به عنوان کد - قسمت 2
Demo: Creating Infrastructure as a Code - Part 2
-
چالش های رفع شده توسط زیرساخت به عنوان یک کد
Challenges Fixed by Infrastructure as a Code
-
خلاصه
Summary
اجرای بهترین روشها برای توسعه مدل
Implementing Best Practices for Model Development
-
بررسی اجمالی
Overview
-
به دنبال سفر
Following the Journey
-
نسخه ی نمایشی: Azure ML
Demo: Azure ML
-
نسخه ی نمایشی: متناسب سازی نمونه اولیه شما - قسمت 1
Demo: Adapting Your Prototype - Part 1
-
نسخه ی نمایشی: متناسب سازی نمونه اولیه شما - قسمت 2
Demo: Adapting Your Prototype - Part 2
-
نسخه ی نمایشی: ایجاد خط لوله آموزش
Demo: Creating Training Pipeline
-
تجزیه و تحلیل ردیابی مدل
Analyzing Model Traceability
-
خلاصه
Summary
اجرای بهترین روشها برای استقرار مدل
Implementing Best Practices for Model Deployment
-
بررسی اجمالی
Overview
-
نسخه ی نمایشی: استقرار مدل - قسمت 1
Demo: Model Deployment - Part 1
-
نسخه ی نمایشی: استقرار مدل - قسمت 2
Demo: Model Deployment - Part 2
-
نسخه ی نمایشی: نظارت بر مدل
Demo: Model Monitoring
-
نسخه ی نمایشی: توضیح مدل - قسمت 1
Demo: Model Explanation - Part 1
-
نسخه ی نمایشی: توضیح مدل - قسمت 2
Demo: Model Explanation - Part 2
-
نسخه ی نمایشی: مقیاس گذاری مدل
Demo: Model Scaling
-
شناسایی و بازآموزی رانش مدل
Model Drift Detection and Retraining
-
خلاصه دوره
Course Summary
Pluralsight (پلورال سایت)
Pluralsight یکی از پرطرفدارترین پلتفرمهای آموزش آنلاین است که به میلیونها کاربر در سراسر جهان کمک میکند تا مهارتهای خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دورههای آموزشی در زمینههای فناوری اطلاعات، توسعه نرمافزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه میدهد.
یکی از ویژگیهای برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعهدهندگان و کارشناسان معتبر، دورههایی را ارائه میدهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژیها نگه میدارد. این امر به کاربران این اطمینان را میدهد که دورههایی که در Pluralsight میپذیرند، با جدیدترین دانشها و تجارب به روز شدهاند.
نمایش نظرات