آموزش استقرار مدل یادگیری ماشین با Flask، React و NodeJS

Machine Learning Model Deployment with Flask, React & NodeJS

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: از ابزارهای توسعه وب Node.JS، React و Flask برای استقرار مدل های Data Science خود در برنامه های وب استفاده کنید! تفاوت بین توسعه جلو و عقب را بدانید اطلاعات اصلی و مفاهیم مربوط به توسعه را بیاموزید نحوه ادغام یک مدل علم داده در توسعه وب را بکار بگیرید مدل های علم داده را به عنوان API وصل کنید و آنها را به قسمت جلویی متصل کنید. کد استودیو برای دوره، اما همه کتابخانه ها و ابزارها در دسترس هستند و برای Linux/Windows/Mac نصب ساده هستند.

با پیشرفت دنیای علم داده، مهندسان و متخصصان بیشتری باید کار خود را گسترش دهند. چه آزمایش باشد، چه برای به دست آوردن ورودی کاربر، یا صرفاً برای نشان دادن قابلیت های مدل، برای متخصصان داده، دانستن بهترین راه ها برای استقرار مدل های خود امری اساسی است. علاوه بر این، امکان استقرار مدل‌ها نه تنها به حوزه علم داده کمک می‌کند تا همه‌کاره‌تر و پرتقاضا شود، بلکه برای تیم‌های توسعه و عملیات نیز مفید خواهد بود و شما را به یک بازیگر کلیدی در محل کارتان تبدیل می‌کند.

بنابراین، آیا آماده هستید که وارد شوید و یاد بگیرید که چگونه از قدرتمندترین فناوری های توسعه وب استفاده کنید و حرفه خود را در علم داده تقویت کنید؟

به دوره آموزشی استقرار مدل یادگیری ماشین با Flask، React NodeJS خوش آمدید!

با نحوه استفاده از یک مدل علم داده یا یادگیری ماشین و استقرار آن در برنامه وب و API با استفاده از برخی از پرتقاضاترین و محبوب‌ترین فناوری‌ها، از جمله Flask، NodeJS، و ReactJS آشنا شوید. برای گرفتن یک مدل DS و استقرار آن به روشی عملی و عملی، با شبیه‌سازی یک سناریوی دنیای واقعی که می‌تواند در شیوه‌های صنعتی اعمال شود، آماده شوید.

وقتی دوره را تمام کردید، تجربه واقعی برای نشان دادن مدیران استخدام و متمایز شدن در میان سایر متخصصان داده خواهید داشت!



سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • طرح کلی دوره Course Outline

  • منابع دوره Course Resources

  • میانبر شما برای تبدیل شدن به دانشمند داده بهتر Your Shortcut To Becoming A Better Data Scientist

  • با مربیان خود آشنا شوید! Get To Know Your Instructors!

  • کد ویژوال استودیو Visual Studio Code

نظریه وب Web Theory

  • وب چگونه کار می کند How The Web Works

  • توسعه فرانت اند چیست؟ What Is Frontend Development

  • Backend Development چیست؟ What is Backend Development

  • اضافی - نسخه ی نمایشی HTML + CSS Extra - HTML + CSS Demo

  • اضافی - بوت استرپ Extra - Bootstrap

Frontend - شروع به کار Frontend - Getting Started

  • بخش مقدمه Section Introduction

  • Node.js چیست؟ What is Node.js?

  • نصب Node.js Node.js Installation

  • React چیست؟ What is React?

  • ایجاد یک پروژه React جدید Creating a New React Project

  • React Project Walkthrough React Project Walkthrough

  • React Project Cleanup React Project Cleanup

  • منابع ماژول Module Resources

Frontend - React Basics Frontend - React Basics

  • بخش مقدمه Section Introduction

  • اولین جزء خود را بسازید Build Our First Component

  • استفاده از Data Props Using Data Props

  • با استفاده از ایالات Using States

  • اولین فرم خود را بسازید Build Our First Form

  • واکشی داده ها Fetching Data

  • منابع ماژول Module Resources

  • مسابقه - Basic & React Quiz - Basic & React

ساخت باطن Building The Backend

  • خیره شدن Getting Stared

  • فلاسک چیست؟ What is Flask?

  • ایجاد یک پروژه فلاسک جدید Creating A New Flask Project

  • نمای کلی مدل DS DS Model Overview

  • ساختمان دی اس مدل DS Model Building

  • صرفه جویی در وزن Saving Weights

  • اضافی - مثال وزن شبکه عصبی Extra - Neural Network Weights Example

بخش 6 - ساخت Backend Section 6 - Building The Backend

  • مبانی API API Basics

  • ارجاع Reference

  • یکپارچه سازی مدل DS - قسمت 1 Integrating The DS Model - Part 1

  • یکپارچه سازی مدل DS - قسمت 2 Integrating The DS Model - Part 2

  • اشکال زدایی + تست Debugging + Testing

  • پستچی Postman

بخش 7 - استقرار برنامه Section 7 - Deploy The Application

  • بخش مقدمه Section Introduction

  • ابزار ساخت و ساخت پروژه Project Build & Build Tool

  • ابزارهای مختلف ساخت را مرور کنید Review Different Build Tools

  • راه اندازی هیروکو Heroku Set Up

  • Git Install Git Install

  • هیروکو فشار Heroku Push

  • تست پستچی Postman Test

  • HTML + پروفایل HTML + Procfile

  • ساخت React Frontend Building the React Frontend

  • استقرار React Frontend Deploying React Frontend

  • منابع ماژول Module Resources

خط مقدم ما را بسازیم Build Our Frontend

  • بخش مقدمه Section Introduction

  • ساختن فرم ما Building Our Form

  • به Backend متصل شوید Connect to Backend

  • بهبود فرم + اضافه کردن سبک Form Improvements + Adding Styles

  • فرانت اند را در هروکو مستقر کنید Deploy Frontend to Heroku

سایر گزینه های استقرار Other Deployment Options

  • استقرار Frontend با صفحات Github Deploy Frontend with Github Pages

  • Frontend را با Netlify مستقر کنید Deploy Frontend with Netlify

  • استقرار Frontend با AWS Deploy Frontend with AWS

نمایش نظرات

آموزش استقرار مدل یادگیری ماشین با Flask، React و NodeJS
جزییات دوره
4 hours
58
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,053
4.7 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

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

Jordan Sauchuk Jordan Sauchuk

من مشاور ارشد هوش مصنوعی و مهندس امنیت سایبری من یک مشاور ارشد هوش مصنوعی ، مهندس هوش مصنوعی و امنیت سایبری و همچنین مدیر عامل شرکت پیشگامان جهانی هستم. هدف من کمک به ارائه تجربیات و تخصصی است که از طریق تحقیقات گسترده ، بسیاری از اواخر شب و فنجان های قهوه بدست آمده است. من به اندازه کافی خوش شانس بودم که در طیف وسیعی از پروژه های چالش برانگیز در سراسر جهان کار کردم و تجربه زیادی در زمینه فن آوری هایی مانند Python ، R ، JavaScript ، C ++ ، PHP ، Tensorflow ، Pytorch ، Scikit-Learn ، Keras ، ReactJS ، NodeJS ، SQL ، طرح ، Tesseract ، Seaborn ، و موارد دیگر. اخیراً ، من گروه اطلاعاتی تهدید را به عنوان ابزاری برای آگاهی از امنیت سایبری ، ادغام هوش مصنوعی در حوزه امنیتی و همچنین ارائه خدمات مشاوره راه اندازی کرده ام. برای اطلاعات بیشتر لطفا در صورت تمایل با من در LinkedIn و Twitter تماس بگیرید.

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر

Juan Pablo Mejia Juan Pablo Mejia

مدیر فناوری اطلاعات و توسعه دهنده وب