لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Google Cloud Professional Data Engineer Cert Prep: 3 عملیاتی کردن مدل های یادگیری ماشین
Google Cloud Professional Data Engineer Cert Prep: 3 Operationalizing Machine Learning Models
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
دریافت گواهینامه Google Cloud Professional Data Engineer تأیید می کند که شما قادر به طراحی، ساخت، عملیاتی کردن، ایمن سازی، و نظارت بر سیستم های پردازش داده با تأکید خاصی بر امنیت و انطباق هستید. مقیاس پذیری و کارایی؛ قابلیت اطمینان و وفاداری؛ و انعطاف پذیری و قابلیت حمل. در این دوره، هدیه نوح شما را برای بخشی از آزمون آماده می کند که دانش شما را در مورد عملیاتی کردن مدل های یادگیری ماشینی آزمایش می کند. در مورد استفاده از مدلهای از پیش ساخته شده ML به عنوان یک سرویس، استقرار خط لوله ML، انتخاب آموزش مناسب و زیرساخت خدمات، و اندازهگیری، نظارت و عیبیابی مدلهای یادگیری ماشین بیاموزید.
سرفصل ها و درس ها
معرفی
Introduction
نمای کلی دوره (در حال انجام)
Course overview
(In progress)
1. مدل های ML از پیش ساخته شده به عنوان سرویس
1. Pre-built ML Models as a Service
Google Colab با TensorFlow Hub
Google Colab with TensorFlow Hub
استفاده از GCP NLP از CLI
Using GCP NLP from the CLI
2. آموزش و انتخاب زیرساخت خدمات
2. Training and Serving Infrastructure Selection
نمای کلی مدل از پیش آموزش دیده PyTorch
PyTorch pretrained model overview
نسخه ی نمایشی: مدل از پیش آموزش دیده PyTorch
Demo: PyTorch pretrained model
درک TPU ها
Understanding TPUs
TPU ها به عنوان بخشی از انتقال فناوری
TPUs as part of technology transition
شروع کار با Vertex AI
Getting started with Vertex AI
با استفاده از GCP ML API vision از CLI
Using GCP ML API vision from CLI
3. اندازه گیری، نظارت و عیب یابی مدل ML
3. ML Model Measurement, Monitoring, and Troubleshooting
با استفاده از روش پنج چرا
Using the five whys method
نسخه ی نمایشی: بارگذاری تست با Locust
Demo: Load testing with Locust
MLO ها در GCP
MLOps on GCP
نتیجه
Conclusion
استفاده از دوره های یادگیری ماشینی گوگل
Using Google machine learning courses
Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلمهای اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نمایش نظرات