آموزش عملیات یادگیری ماشین سازی (MLOP)

دانلود Demystifying Machine Learning Operations (MLOps)

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: یادگیری ماشین یک علم قوی است که می تواند با مزایای رقابتی منحصر به فرد برای رفع چندین چالش ، از جمله پیش بینی قیمت فروش ، طبقه بندی بخش مشتری و توصیه محصول ، تجارت را توانمند کند. در این دوره ، عملیات یادگیری ماشین آلات (MLOP) ، شما می آموزید که عملیات یادگیری ماشین را در پروژه یادگیری ماشین خود پیاده سازی کنید. ابتدا ، نحوه استفاده از شیوه های عملیات یادگیری ماشین (MLOPS) را برای زیرساخت های خود کشف خواهید کرد. در مرحله بعد ، خواهید فهمید که چگونه عملیات یادگیری ماشین (MLOP) در طول توسعه مدل. سرانجام ، شما یاد می گیرید که چگونه عملیات یادگیری ماشین (MLOPS) را پس از استقرار مدل اعمال کنید. پس از اتمام این دوره ، مهارت و دانش در مورد عملیات یادگیری ماشین مورد نیاز برای مدیریت چرخه حیات MLOPS پروژه خود 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

      • نمای کلی Overview

      • ML Refesher Pipeline 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 MLOP Introducing MLOps

      • مزایای MLOps MLOps Benefits

      • اکوسیستم MLOps MLOps Ecosystem

      • چه چیزی را باید انتظار داشته باشید What to Expect

      • خلاصه Summary

      عملیات یادگیری ماشین برای زیرساخت Machine Learning Operations for Infrastructure

      • نمای کلی Overview

      • توصیف مشکل تجاری Describing the Business Problem

      • نسخه ی نمایشی: ارائه نمونه اولیه خود Demo: Presenting Your Prototype

      • حرکت به سمت تولید Moving to Production

      • درک زیرساخت های MLOP Understanding MLOps Infrastructure

      • نسخه ی نمایشی: فشار 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 یک کد - قسمت 1 Demo: Creating Infrastructure as a Code - Part 1

      • نسخه ی نمایشی: ایجاد زیرساخت به عنوان یک کد - قسمت 2 Demo: Creating Infrastructure as a Code - Part 2

      • چالش های ثابت شده توسط زیرساخت ها 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

      • نمای کلی Overview

      • پس از سفر Following the Journey

      • نسخه ی نمایشی: Azure ML Demo: Azure ML

      • نسخه ی نمایشی: اقتباس از نمونه اولیه - قسمت 1 Demo: Adapting Your Prototype - Part 1

      • نسخه ی نمایشی: تطبیق نمونه اولیه خود - قسمت 2 Demo: Adapting Your Prototype - Part 2

      • نسخه ی نمایشی: ایجاد خط لوله آموزش Demo: Creating Training Pipeline

      • تجزیه و تحلیل قابلیت ردیابی مدل Analyzing Model Traceability

      • خلاصه Summary

      اجرای بهترین روشها برای استقرار مدل Implementing Best Practices for Model Deployment

      • نمای کلی 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 بندی مدل Demo: Model Scaling

      • تشخیص رانش مدل و بازآفرینی Model Drift Detection and Retraining

      • خلاصه دوره Course Summary

      نمایش نظرات

      آموزش عملیات یادگیری ماشین سازی (MLOP)
      جزییات دوره
      2h 14m
      38
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      71
      4.4 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

      Mohammed Osman Mohammed Osman

      محمد عثمان یک مهندس ارشد نرم افزار است که از 13 سالگی کد نویسی را آغاز کرد. محمد در صنایع مختلفی از جمله مخابرات ، حسابداری ، بانکداری ، بهداشت و اطمینان کار می کرد. مهارت های هسته ای محمد یک اکوسیستم دات نت است که تمرکز زیادی روی C # و Azure دارد. محمد همچنین از جنبه نرم مهندسی نرم افزار لذت می برد و تیم های scrum را هدایت می کند. محمد یک وبلاگ را با پیام "هوشمند کردن کد شما و کار شما هوشمندتر" اداره می کند ، جایی که او نکات و تکنیک هایی را برای بهبود کد شما و توصیه های ارزشمند شغلی به اشتراک می گذارد.