آموزش بوت کمپ KubeFlow

KubeFlow Bootcamp

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: با نحوه استفاده از Kubeflow برای یادگیری ماشینی در مقیاس در Google Cloud آشنا شوید! مفاهیم اصلی Kubeflow و نقش آن در ایجاد گردش کار یادگیری ماشینی مقیاس‌پذیر و قابل حمل در Google Cloud را درک کنید. آموزش استقرار و مدیریت خطوط لوله Kubeflow برای خودکارسازی گردش کار یادگیری ماشینی سرتاسر در Google Cloud. در استفاده از مؤلفه‌های Kubeflow مهارت کسب کنید. مهارت‌هایی را در استفاده از پلتفرم هوش مصنوعی Google Cloud برای آموزش و ارائه مدل‌های یادگیری ماشین در محیط Kubeflow توسعه دهید. ادغام Kubeflow با سایر سرویس‌های Google Cloud را کاوش کنید در استفاده از قابلیت‌های نظارت و گزارش Kubeflow برای اطمینان از ردیابی و اشکال‌زدایی مؤثر جریان‌های کار یادگیری ماشین مهارت کسب کنید. بهترین روش‌ها برای مقیاس‌بندی و بهینه‌سازی حجم‌های کاری یادگیری ماشینی با استفاده از Kubeflow در Google Cloud یاد بگیرید ملاحظات امنیتی و حاکمیتی هنگام کار با Kubeflow در Google Cloud را بدانید برای اشتراک در Google Cloud (ممکن است به کارت اعتباری نیاز باشد) تجربه برنامه نویسی پایتون

قفل جریان‌های کاری یادگیری ماشینی را در Google Cloud با Kubeflow باز کنید!

با دوره جامع Udemy ما در مورد Kubeflow در Google Cloud، مهارت‌های علم داده خود را فوق‌العاده شارژ کنید و گردش کار یادگیری ماشینی خود را متحول کنید. با این راهنمای گام به گام برای استفاده از پتانسیل کامل Kubeflow به دنیای خطوط لوله ML مقیاس پذیر و قابل حمل شیرجه بزنید.

در هنر خودکارسازی گردش‌های کار یادگیری ماشینی سرتاسر با استفاده از Kubeflow مسلط شوید و کشف کنید که چگونه به‌طور یکپارچه با زیرساخت قوی Google Cloud ادغام می‌شود. چه یک دانشمند داده، مهندس ML یا مشتاق مشتاق هوش مصنوعی باشید، این دوره شما را با دانش و تجربه عملی برای ارتقای پروژه های خود به ارتفاعات جدید مجهز می کند.

آنچه یاد خواهید گرفت:

  1. پتانسیل واقعی Kubeflow را با درک مفاهیم اصلی و نقش آن در ایجاد گردش کار مقیاس پذیر ML آزاد کنید.

  2. برای خودکارسازی و ساده‌سازی پروژه‌های ML خود در Google Cloud، خطوط لوله Kubeflow را بدون زحمت مستقر و مدیریت کنید.

  3. از قدرت اجزای Kubeflow برای بهینه سازی تنظیم هایپرپارامتر و هماهنگی جریان کار استفاده کنید.

  4. پتانسیل پلتفرم هوش مصنوعی Google Cloud را برای آموزش مدل کارآمد و استقرار در اکوسیستم Kubeflow به حداکثر برسانید.

  5. Kubeflow را به‌طور یکپارچه با سایر سرویس‌های Google Cloud مانند BigQuery و Cloud Storage برای پردازش و ذخیره‌سازی داده‌های پیشرفته ادغام کنید.

  6. در هنر نظارت و ورود به سیستم در Kubeflow تسلط داشته باشید تا از موفقیت پروژه‌های ML خود با اطلاعات بینش و قابلیت‌های اشکال‌زدایی هم‌زمان اطمینان حاصل کنید.

  7. بارهای کاری ML خود را به طور مؤثر با استفاده از Kubeflow، با استفاده از تکنیک های آموزش توزیع شده و تخصیص منابع، مقیاس و بهینه کنید.

  8. در هنگام کار با Kubeflow در Google Cloud، از بهترین شیوه‌ها در امنیت و حاکمیت استفاده کنید، از انطباق و حفظ حریم خصوصی داده‌ها اطمینان حاصل کنید.

این فرصت را برای تبدیل شدن به یک متخصص Kubeflow از دست ندهید و کار خود را در زمینه به سرعت در حال تکامل هوش مصنوعی و ML تسریع کنید. اکنون ثبت نام کنید و با دوره جامع Udemy ما، پتانسیل کامل Kubeflow را در Google Cloud باز کنید!


سرفصل ها و درس ها

معرفی دوره Course Introduction

  • سوالات متداول و دانلود دوره FAQ AND COURSE DOWNLOADS

  • بررسی اجمالی دوره Course Overview

نمای کلی و راه‌اندازی Google Cloud Google Cloud Overview and Setup

  • نمای کلی بخش Google Cloud Overview of Google Cloud Section

  • ابر چیست؟ مروری بر محاسبات ابری What is Cloud? A Cloud Computing Overview

  • زیرساخت شبکه GCP GCP Network Infrastructure

  • اتصالات شبکه GCP GCP Network Connections

  • چرا GCP را انتخاب کنید؟ Why Choose GCP?

  • راه اندازی حساب Google Cloud Google Cloud Account Set-Up

  • صورتحساب و بودجه Billing and Budgets

  • تور صورتحساب: DEMO Billing Tour: DEMO

  • تنظیم هشدار بودجه: DEMO Setting a Budget Alert: DEMO

  • گزینه‌های ذخیره‌سازی ابری Google Google Cloud Storage Options

  • مروری بر فضای ذخیره سازی ابری Cloud Storage Overview

  • نسخه ی نمایشی ذخیره سازی ابری Cloud Storage DEMO

بررسی اجمالی Kubernetes Kubernetes Overview

  • مقدمه ای بر بخش Kubernetes Introduction to Kubernetes Section

  • بررسی اجمالی مبانی Kubernetes Kubernetes Basics Overview

  • درک کانتینرها Understanding Containers

  • درک گره ها و سطح کنترل Understanding Nodes and Control Plane

  • درک Kubernetes API Understanding Kubernetes API

  • تصاویر کانتینر Container Images

  • نسخه ی نمایشی ساخت ابر Cloud Build DEMO

  • Google Kubernetes Engine - GKE Google Kubernetes Engine - GKE

  • معماری Kubernetes Kubernetes Architecture

  • GKE از طریق GUI DEMO GKE via GUI DEMO

  • کوبکتل Kubectl

  • GKE از طریق خط فرمان - DEMO GKE via Command Line - DEMO

  • استقرار Kubernetes Kubernetes Deployments

  • به‌روزرسانی‌های استقرار Kubernetes Kubernetes Deployment Updates

  • استراتژی های استقرار Kubernetes Kubernetes Deployment Strategies

  • Kubernetes Deployment - DEMO Kubernetes Deployment - DEMO

  • Kubernetes Pod Networking Kubernetes Pod Networking

  • ذخیره سازی Kubernetes با حجم Kubernetes Storage with Volumes

  • حجم ذخیره سازی - DEMO Volume Storage - DEMO

درک اصول یادگیری ماشین Understanding Machine Learning Fundamentals

  • مقدمه ای بر مبانی یادگیری ماشین Introduction to Machine Learning Fundamentals

  • مسیر یادگیری ماشینی Machine Learning Pathway

  • چرا یادگیری ماشینی؟ Why Machine Learning?

  • انواع الگوریتم های یادگیری ماشینی Types of Machine Learning Algorithms

  • فرآیند یادگیری تحت نظارت Supervised Learning Process

  • هوش مصنوعی در مقابل ML AI vs ML

  • هوش مصنوعی و ML در Google Cloud AI and ML on Google Cloud

  • مروری بر هوش مصنوعی Vertex Vertex AI Overview

  • میز کار Vertex AI: Notebooks in the Cloud Vertex AI Workbench: Notebooks in the Cloud

خطوط لوله Kubeflow با Google Cloud Kubeflow Pipelines with Google Cloud

  • نمای کلی بخش Kubeflow Kubeflow Section Overview

  • خطوط لوله AI Vertex Vertex AI Pipelines

  • Pipelines و SDK های Vertex AI Vertex AI Pipelines and SDKs

  • نسخه ی نمایشی خط لوله AI Vertex Vertex AI Pipeline DEMO

  • خط لوله هوش مصنوعی از طریق نسخه نمایشی نوت بوک AI Pipeline via Notebook DEMO

  • بررسی اجمالی Kubeflow Kubeflow Overview

  • Kubeflow DSL Kubeflow DSL

  • اجزای از پیش ساخته شده Kubeflow Kubeflow Pre-Built Components

  • اجزای پایتون Kubeflow Kubeflow Python Components

  • اجزای سفارشی Kubeflow Kubeflow Custom Components

  • مجموعه Kubeflow Kubeflow Compilation

  • آموزش ماشینی Kubeflow Pipeline DEMO Machine Learning Kubeflow Pipeline DEMO

  • آموزش مداوم با Kubeflow Continuous Training with Kubeflow

نمایش نظرات

نظری ارسال نشده است.

آموزش بوت کمپ KubeFlow
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
8 hours
55
Udemy (یودمی) udemy-small
11 تیر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
580
4.7 از 5
دارد
دارد
دارد
Jose Portilla

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.