آموزش استقرار مدل یادگیری عمیق یادگیری ماشین

سرفصل ها و درس ها

معرفی Introduction

• مدل چیست؟ What is a Model?

• انواع یادگیری ماشینی Types of Machine Learning

معرفی Introduction

• معرفی Introduction

• معرفی Introduction

• مدل چیست؟ What is a Model?

• چگونه یک مدل ایجاد کنیم؟ How do we create a Model?

• چگونه یک مدل ایجاد کنیم؟ How do we create a Model?

• انواع یادگیری ماشینی Types of Machine Learning

ساخت، ارزیابی و ذخیره یک مدل Building, evaluating and saving a Model

• ایجاد یک محیط توسعه Spyder Creating a Spyder development environment

• ساخت و ارزیابی یک مدل طبقه بندی Building and evaluating a Classification Model

• ذخیره مدل و مقیاس کننده Saving the Model and the Scaler

ساخت، ارزیابی و ذخیره یک مدل Building, evaluating and saving a Model

• ایجاد یک محیط توسعه Spyder Creating a Spyder development environment

• دوره سقوط Python NumPy Pandas Matplotlib Python NumPy Pandas Matplotlib crash course

• دوره سقوط Python NumPy Pandas Matplotlib Python NumPy Pandas Matplotlib crash course

• ساخت و ارزیابی یک مدل طبقه بندی Building and evaluating a Classification Model

• ذخیره مدل و مقیاس کننده Saving the Model and the Scaler

استقرار مدل در محیط های دیگر Deploying the Model in other environments

• پیش بینی محلی با اشیاء Pickle غیر سریالی شده Predicting locally with deserialized Pickle objects

• استفاده از مدل در محیط Google Colab Using the Model in Google Colab environment

استقرار مدل در محیط های دیگر Deploying the Model in other environments

• پیش بینی محلی با اشیاء Pickle غیر سریالی شده Predicting locally with deserialized Pickle objects

• استفاده از مدل در محیط Google Colab Using the Model in Google Colab environment

ایجاد یک REST API برای مدل یادگیری ماشین Creating a REST API for the Machine Learning Model

• Flask REST API Hello World Flask REST API Hello World

• میزبانی ماشین یادگیری REST API در Cloud Hosting the Machine Learning REST API on the Cloud

• حذف نمونه VM Deleting the VM instance

• API یادگیری ماشین بدون سرور با استفاده از توابع ابری Serverless Machine Learning API using Cloud Functions

• مشتری پستچی REST Postman REST client

ایجاد یک REST API برای مدل یادگیری ماشین Creating a REST API for the Machine Learning Model

• Flask REST API Hello World Flask REST API Hello World

• ایجاد یک REST API برای مدل Creating a REST API for the Model

• ایجاد یک REST API برای مدل Creating a REST API for the Model

• ثبت نام برای استفاده آزمایشی رایگان Google Cloud Signing up for a Google Cloud free trial

• ثبت نام برای استفاده آزمایشی رایگان Google Cloud Signing up for a Google Cloud free trial

• میزبانی ماشین یادگیری REST API در Cloud Hosting the Machine Learning REST API on the Cloud

• حذف نمونه VM Deleting the VM instance

• API یادگیری ماشین بدون سرور با استفاده از توابع ابری Serverless Machine Learning API using Cloud Functions

• ایجاد یک REST API در Google Colab Creating a REST API on Google Colab

• ایجاد یک REST API در Google Colab Creating a REST API on Google Colab

• مشتری پستچی REST Postman REST client

استقرار مدل های یادگیری عمیق Deploying Deep Learning Models

• ساخت و استقرار مدل های PyTorch Building and deploying PyTorch models

• ایجاد یک REST API برای مدل PyTorch Creating a REST API for the PyTorch Model

• ذخیره و بارگیری مدل های TensorFlow Keras Saving & loading TensorFlow Keras models

• ایجاد یک REST API با استفاده از سرور مدل TensorFlow Creating a REST API using TensorFlow Model Server

• تبدیل یک مدل PyTorch به فرمت TensorFlow با استفاده از ONNX Converting a PyTorch model to TensorFlow format using ONNX

استقرار مدل های یادگیری عمیق Deploying Deep Learning Models

• آشنایی با شبکه عصبی یادگیری عمیق Understanding Deep Learning Neural Network

• آشنایی با شبکه عصبی یادگیری عمیق Understanding Deep Learning Neural Network

• ساخت و استقرار مدل های PyTorch Building and deploying PyTorch models

• ایجاد یک REST API برای مدل PyTorch Creating a REST API for the PyTorch Model

• ذخیره و بارگیری مدل های TensorFlow Keras Saving & loading TensorFlow Keras models

• آشنایی با کانتینرهای داکر Understanding Docker containers

• آشنایی با کانتینرهای داکر Understanding Docker containers

• ایجاد یک REST API با استفاده از سرور مدل TensorFlow Creating a REST API using TensorFlow Model Server

• تبدیل یک مدل PyTorch به فرمت TensorFlow با استفاده از ONNX Converting a PyTorch model to TensorFlow format using ONNX

استقرار مدل های NLP برای تجزیه و تحلیل احساسات توییتر Deploying NLP models for Twitter sentiment analysis

• تبدیل متن به مقادیر عددی با استفاده از مدل کیسه کلمات Converting text to numeric values using bag-of-words model

• مدل tf-idf برای تبدیل متن به مقادیر عددی tf-idf model for converting text to numeric values

• ایجاد و ذخیره مدل های طبقه بندی متن و tf-idf Creating and saving text classifier and tf-idf models

• استقرار مدل‌های tf-idf و طبقه‌بندی متن برای تحلیل احساسات توییتر Deploying tf-idf and text classifier models for Twitter sentiment analysis

• تجزیه و تحلیل احساسات توییتر با PyTorch REST API Twitter sentiment analysis with PyTorch REST API

• ایجاد یک طبقه بندی متن با استفاده از TensorFlow Creating a text classifier using TensorFlow

استقرار مدل های NLP برای تجزیه و تحلیل احساسات توییتر Deploying NLP models for Twitter sentiment analysis

• تبدیل متن به مقادیر عددی با استفاده از مدل کیسه کلمات Converting text to numeric values using bag-of-words model

• مدل tf-idf برای تبدیل متن به مقادیر عددی tf-idf model for converting text to numeric values

• ایجاد و ذخیره مدل های طبقه بندی متن و tf-idf Creating and saving text classifier and tf-idf models

• ایجاد یک حساب توسعه دهنده توییتر Creating a Twitter developer account

• ایجاد یک حساب توسعه دهنده توییتر Creating a Twitter developer account

• استقرار مدل‌های tf-idf و طبقه‌بندی متن برای تحلیل احساسات توییتر Deploying tf-idf and text classifier models for Twitter sentiment analysis

• ایجاد یک طبقه بندی متن با استفاده از PyTorch Creating a text classifier using PyTorch

• ایجاد یک طبقه بندی متن با استفاده از PyTorch Creating a text classifier using PyTorch

• ایجاد یک REST API برای مدل PyTorch NLP Creating a REST API for the PyTorch NLP model

• ایجاد یک REST API برای مدل PyTorch NLP Creating a REST API for the PyTorch NLP model

• تجزیه و تحلیل احساسات توییتر با PyTorch REST API Twitter sentiment analysis with PyTorch REST API

• ایجاد یک طبقه بندی متن با استفاده از TensorFlow Creating a text classifier using TensorFlow

• ایجاد یک REST API برای مدل های TensforFlow با استفاده از Flask Creating a REST API for TensforFlow models using Flask

• ایجاد یک REST API برای مدل های TensforFlow با استفاده از Flask Creating a REST API for TensforFlow models using Flask

• ارائه مدل های TensorFlow بدون سرور Serving TensorFlow models serverless

• ارائه مدل های TensorFlow بدون سرور Serving TensorFlow models serverless

• ارائه مدل های PyTorch بدون سرور Serving PyTorch models serverless

• ارائه مدل های PyTorch بدون سرور Serving PyTorch models serverless

استقرار مدل ها در مرورگر با استفاده از جاوا اسکریپت و TensorFlow.js Deploying models on browser using JavaScript and TensorFlow.js

• عملیات پایه تانسور با استفاده از TensorFlow.js Basic tensor operations using TensorFlow.js

استقرار مدل ها در مرورگر با استفاده از جاوا اسکریپت و TensorFlow.js Deploying models on browser using JavaScript and TensorFlow.js

• معرفی TensorFlow.js TensorFlow.js introduction

• معرفی TensorFlow.js TensorFlow.js introduction

• نصب کد ویژوال استودیو و سرور زنده Installing Visual Studio Code and Live Server

• نصب کد ویژوال استودیو و سرور زنده Installing Visual Studio Code and Live Server

• دوره خرابی جاوا اسکریپت (اختیاری) JavaScript crash course (optional)

• دوره خرابی جاوا اسکریپت (اختیاری) JavaScript crash course (optional)

• افزودن TensforFlow.js به یک صفحه وب Adding TensforFlow.js to a web page

• افزودن TensforFlow.js به یک صفحه وب Adding TensforFlow.js to a web page

• عملیات پایه تانسور با استفاده از TensorFlow.js Basic tensor operations using TensorFlow.js

• استقرار مدل Keras در یک صفحه وب با استفاده از TensorFlow.js Deploying Keras model on a web page using TensorFlow.js

• استقرار مدل Keras در یک صفحه وب با استفاده از TensorFlow.js Deploying Keras model on a web page using TensorFlow.js

مدل به عنوان یک فرمول ریاضی و مدل به عنوان کد Model as a mathematical formula & Model as code

• استخراج فرمول از مدل رگرسیون خطی Deriving formula from a Linear Regression Model

مدل به عنوان یک فرمول ریاضی و مدل به عنوان کد Model as a mathematical formula & Model as code

• استخراج فرمول از مدل رگرسیون خطی Deriving formula from a Linear Regression Model

• مدل به عنوان کد Model as code

• مدل به عنوان کد Model as code

مدل ها در پایگاه داده Models in Database

• ذخیره و بازیابی مدل ها از پایگاه داده با استفاده از Colab، Postgres و psycopg2 Storing and retrieving models from a database using Colab, Postgres and psycopg2

مدل ها در پایگاه داده Models in Database

• ذخیره و بازیابی مدل ها از پایگاه داده با استفاده از Colab، Postgres و psycopg2 Storing and retrieving models from a database using Colab, Postgres and psycopg2

• ایجاد یک فروشگاه مدل محلی با PostgreSQL Creating a local model store with PostgreSQL

• ایجاد یک فروشگاه مدل محلی با PostgreSQL Creating a local model store with PostgreSQL

MLOps و MLflow MLOps and MLflow

• مفاهیم ردیابی MLflow MLflow tracking concepts

• ردیابی آزمایش‌های آموزشی مدل با MLfLow Tracking Model training experiments with MLfLow

• اجرای MLflow در Colab Running MLflow on Colab

• استقرار مدل ها با MLflow Deploying Models with MLflow

MLOps و MLflow MLOps and MLflow

• عملیات یادگیری ماشین (MLOps) Machine Learning Operations (MLOps)

• عملیات یادگیری ماشین (MLOps) Machine Learning Operations (MLOps)

• MLflow مقدمه MLflow Introduction

• MLflow مقدمه MLflow Introduction

• مفاهیم ردیابی MLflow MLflow tracking concepts

• نصب MLflow در ویندوز و مک Installing MLflow on Windows and Mac

• نصب MLflow در ویندوز و مک Installing MLflow on Windows and Mac

• ردیابی آزمایش‌های آموزشی مدل با MLfLow Tracking Model training experiments with MLfLow

• ثبت خودکار MLflow MLflow auto-logging

• ثبت خودکار MLflow MLflow auto-logging

• API های MLflow REST MLflow REST APIs

• API های MLflow REST MLflow REST APIs

• اجرای MLflow در Colab Running MLflow on Colab

• اجرای MLFlow روی Databricks Running MLFlow on Databricks

• اجرای MLFlow روی Databricks Running MLFlow on Databricks

• ردیابی آزمایش های PyTorch با MLflow Tracking PyTorch experiments with MLflow

• ردیابی آزمایش های PyTorch با MLflow Tracking PyTorch experiments with MLflow

• استقرار مدل ها با MLflow Deploying Models with MLflow