آموزش ضروری Google Cloud Platform for Machine Learning

Google Cloud Platform for Machine Learning Essential Training

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: یادگیری ماشینی می تواند برنامه های شما را سریعتر و هوشمندتر کند. می توانید داده های مشتری مانند ورودی صوتی و متنی، تصاویر و ویدیو را تجزیه و تحلیل کنید و بدون دخالت انسان اقدام کنید. Google Cloud Platform (GCP) مجموعه‌ای رقابتی از خدمات یادگیری ماشینی را برای تقریباً هر نوع معماری از جمله محاسبات بدون سرور، کانتینرها و ماشین‌های مجازی ارائه می‌دهد. در این دوره با مربی لین لنگیت، یاد بگیرید که از ابزارها و خدمات توسعه مدل یادگیری ماشینی موجود در Google Cloud استفاده کنید. Lynn نشان می دهد که چگونه می توانید از خدمات یادگیری ماشینی Vertex AI برای توسعه، آموزش، ارزیابی و میزبانی مدل های یادگیری ماشین سفارشی استفاده کنید. بیاموزید که چگونه می‌توانید مدل‌های خود را بیاورید یا از مدل‌های پایه هوش مصنوعی که اخیراً منتشر شده‌اند به عنوان پایه‌ای برای کار خود استفاده کنید. کشف کنید که چگونه ابزارهای جدیدی مانند Google AI Studio می‌توانند شما را به سرعت راه‌اندازی کنند و نحوه استفاده از Vertex AI APIs برای تسلط بر MLO‌های سرتاسری را ببینید.

سرفصل ها و درس ها

معرفی Introduction

  • GCP و یادگیری ماشینی GCP and Machine Learning

  • آنچه شما باید بدانید What you should know

  • درباره استفاده از خدمات ابری About using cloud services

1. Vertex AI Studio 1. Vertex AI Studio

  • از Vertex AI Model Garden استفاده کنید Use Vertex AI Model Garden

  • طراحی و آزمایش درخواست های مدل چندوجهی Design and test multimodal model prompts

  • خروجی تولیدی مدل تصویر را آزمایش کنید Test image model generative output

  • راه حل: مدل های GenAI را انتخاب و آزمایش کنید Solution: Select and test GenAI models

  • چالش: مدل های GenAI را انتخاب و آزمایش کنید Challenge: Select and test GenAI models

  • خروجی تولید گفتار را طراحی و آزمایش کنید Design and test speech generative output

  • طراحی و آزمایش مدل زبان Design and test language model prompts

2. نوت بوک های Vertex AI 2. Vertex AI Notebooks

  • از مثال TensorFlow استفاده کنید: MNIST Use TensorFlow example: MNIST

  • از نمونه های نوت بوک استفاده کنید Use notebook instances

  • راه حل: راه اندازی نوت بوک Solution: Setup notebook

  • به روز رسانی نمونه نوت بوک Update notebook instance

  • چالش: راه اندازی نوت بوک Challenge: Setup notebook

  • از نوت بوک های مدیریت شده و مدیریت شده توسط کاربر استفاده کنید Use managed and user-managed notebooks

  • خدمات موجود را درک کنید Understand available services

3. توسعه مدل 3. Model Development

  • جستجوی برداری را درک کنید Understand Vector Search

  • فروشگاه ویژگی را درک کنید Understand Feature Store

  • راه حل: یک فروشگاه ویژگی ایجاد کنید Solution: Create a Feature Store

  • از جستجوی برداری استفاده کنید Use Vector Search

  • چالش: یک فروشگاه ویژگی ایجاد کنید Challenge: Create a Feature Store

4. استقرار مدل 4. Model Deployment

  • یک مدل را در رجیستری ثبت کنید Register a model in the registry

  • نقاط پایانی دسته ای و آنلاین را مرور کنید Review batch and online endpoints

  • از رجیستری مدل استفاده کنید Use the model registry

  • چالش: یک کار خط لوله مدل را اجرا و ارزیابی کنید Challenge: Run and evaluate a model pipeline job

  • راه حل: یک کار خط لوله مدل را اجرا و ارزیابی کنید Solution: Run and evaluate a model pipeline job

  • الگوهای خط لوله مدل را درک کنید Understand model pipeline templates

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش ضروری Google Cloud Platform for Machine Learning
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
1h 34m
29
Linkedin (لینکدین) lynda-small
07 اسفند 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
64
- از 5
ندارد
دارد
دارد
Lynn Langit

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lynn Langit Lynn Langit

Cloud Architect

Lynn Langit یک معمار ابری است که با خدمات وب آمازون و Google Cloud Platform کار می کند.

لین متخصص در پروژه های کلان داده است. او با AWS Athena، Aurora، Redshift، Kinesis و IoT کار کرده است. او همچنین کارهای تولیدی را با Databricks برای Apache Spark و Google Cloud Dataproc، Bigtable، BigQuery و Cloud Spanner انجام داده است.

لین همچنین بنیانگذار  است. آموزش برنامه نویسی به کودکان. او درباره داده ها و فناوری های ابری در آمریکای شمالی و جنوبی، اروپا، آفریقا، آسیا و استرالیا صحبت کرده است.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.