لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشینی در سازمان
Machine Learning in the Enterprise
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره از طریق مطالعه موردی یک رویکرد دنیای واقعی به گردش کار ML دارد. یک تیم ML با چندین الزامات تجاری و موارد استفاده ML مواجه است. این دوره از طریق یک مطالعه موردی، رویکردی در دنیای واقعی به گردش کار ML دارد. یک تیم ML با چندین مورد نیاز تجاری و موارد استفاده ML مواجه است. تیم باید ابزارهای مورد نیاز برای مدیریت داده ها و حاکمیت را درک کند و بهترین رویکرد را برای پیش پردازش داده ها در نظر بگیرد. تیم با سه گزینه برای ساخت مدل های ML برای دو مورد استفاده ارائه شده است. این دوره توضیح می دهد که چرا آنها از AutoML، BigQuery ML یا آموزش سفارشی برای دستیابی به اهداف خود استفاده می کنند.
سرفصل ها و درس ها
معرفی
Introduction
معرفی دوره
Course introduction
آشنایی با گردش کار ML Enterprise
Understanding the ML Enterprise Workflow
معرفی
Introduction
منابع: درک گردش کار ML Enterprise
Resources: Understanding the ML Enterprise Workflow
مروری بر گردش کار سازمانی ML
Overview of an ML enterprise workflow
داده ها در شرکت
Data in the Enterprise
مقدمه آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Dataprep
Lab intro: Exploring and Creating an Ecommerce Analytics Pipeline with Dataprep
کاتالوگ داده ها
Data Catalog
معرفی
Introduction
دیتاپلکس
Dataplex
Dataprep
Dataprep
گزینه های پیش پردازش داده ها
Data preprocessing options
مرکز تجزیه و تحلیل
Analytics Hub
منابع: داده ها در سازمان
Resources: Data in the Enterprise
Pluralsight: شروع به کار با GCP و Qwiklabs
Pluralsight: Getting Started with GCP and Qwiklabs
آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Cloud Dataprep نسخه 1.5
Lab: Exploring and Creating an Ecommerce Analytics Pipeline with Cloud Dataprep v1.5
فروشگاه ویژگی
Feature Store
علم یادگیری ماشین و آموزش سفارشی
Science of Machine Learning and Custom Training
هنر و علم یادگیری ماشینی
The art and science of machine learning
تمرین را سریعتر کنید
Make training faster
منابع: علم یادگیری ماشین
Resources: The Science of Machine Learning
زمان استفاده از آموزش سفارشی
When to use custom training
الزامات و وابستگی های آموزشی (قسمت 2)
Training requirements and dependencies (part 2)
آموزش مدل های سفارشی ML با استفاده از Vertex AI
Training custom ML models using Vertex AI
معرفی آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده
Lab intro: Vertex AI: Custom Training Job and Prediction Using Managed Datasets
الزامات و وابستگی های آموزشی (قسمت 1)
Training requirements and dependencies (part 1)
آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده
Lab: Vertex AI: Custom Training Job and Prediction Using Managed Datasets
منابع: علم یادگیری ماشین و آموزش سفارشی
Resources: Science of Machine Learning and Custom Training
پیش بینی و نظارت بر مدل با استفاده از Vertex AI
Prediction and Model Monitoring Using Vertex AI
معرفی آزمایشگاه: رصد مدل AI Vertex
Lab intro: Vertex AI Model Monitoring
معرفی
Introduction
آزمایشگاه: Vertex SDK: مدلهای رگرسیون جدولی آموزش سفارشی برای پیشبینی و توضیح آنلاین
Lab: Vertex SDK: Custom Training Tabular Regression Models for Online Prediction and Explainability
منابع: پیش بینی و نظارت بر مدل با استفاده از Vertex AI
Resources: Prediction and Model Monitoring Using Vertex AI
مدیریت مدل با استفاده از Vertex AI
Model management using Vertex AI
پیش بینی با استفاده از Vertex AI
Predictions using Vertex AI
آزمایشگاه: مانیتورینگ مدل AI Vertex
Lab: Monitoring Vertex AI Model
خطوط لوله AI Vertex
Vertex AI Pipelines
منابع: Pipelines Vertex AI
Resources: Vertex AI Pipelines
آزمایشگاه: اجرای خطوط لوله بر روی Vertex AI 2.5
Lab: Running Pipelines on Vertex AI 2.5
معرفی آزمایشگاه: Pipelines Vertex AI
Lab intro: Vertex AI Pipelines
معرفی
Introduction
معرفی و بررسی آزمایشگاه: خط لوله Vertex AI
Lab Introduction and Walkthrough: Vertex AI pipeline
آزمایشگاه: مقدمه ای بر خطوط لوله ورتکس
Lab: Introduction to Vertex Pipelines
پیش بینی با استفاده از خطوط لوله Vertex AI
Prediction using Vertex AI pipelines
بهترین روش ها برای توسعه ML
Best Practices for ML Development
منابع: بهترین روش ها برای توسعه ML در Vertex AI
Resources: Best Practices for ML Development on Vertex AI
بهترین روش ها برای نظارت بر مدل
Best practices for model monitoring
بهترین شیوه ها برای سازماندهی مصنوعات
Best practices for artifact organization
بهترین شیوه های خط لوله Vertex AI
Vertex AI pipeline best practices
بهترین شیوه ها برای استقرار و سرویس دهی مدل
Best practices for model deployment and serving
معرفی
Introduction
خلاصه دوره
Course Summary
خلاصه
Summary
منبع: همه اسلایدها
Resource: All slides
منبع: تمام سوالات مسابقه
Resource: All quiz questions
منابع: همه مطالب خوانده شده
Resources: All readings
خلاصه سریال
Series Summary
منبع: خلاصه بهترین شیوه ها
Resource: Best practices summary
Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.
Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر میسازد تا مهارتهای ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاههای عملی این شرکت اعتبارنامههای موقتی را به منابع واقعی ابر ارائه میدهند، بنابراین افراد میتوانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.
نمایش نظرات