آموزش کارگاه جامع Feature Store: علم داده و MLOps با Feast - آخرین آپدیت
دانلود Feature Store Masterclass: Data Science and MLOps with Feast
آموزش Feature Store با Feast: تئوری و عملی
یادگیری Feature Store چه اهمیتی دارد؟
تصور کنید Feature Store یک ابزار فوقالعاده برای سازماندهی دادهها در کامپیوتر شماست. مثل این است که تعداد زیادی قطعه پازل (داده) دارید و میخواهید یک تصویر جالب (مدل یادگیری ماشین) بسازید. Feature Store به شما کمک میکند این قطعات پازل را مرتب و سازماندهی کنید و در وقتتان صرفهجویی کنید! یادگیری Feature Store مانند به دست آوردن کلید مخفی برای حل آسان و سریع پازلهای کامپیوتری است.
چرا Feast؟
Feast به عنوان یک کتابخانه متنباز برجسته در حوزه Feature Store شناخته میشود. محبوبیت آن بیدلیل نیست، زیرا به طور یکپارچه با پلتفرمهای ابری اصلی مانند GCP، AWS و Azure ادغام میشود و یک راهحل همهکاره برای محیطهای مختلف ارائه میدهد.
در این دوره، با یک برنامه آموزشی ساختاریافته، «چرایی» Feature Storeها و Feast را کشف خواهید کرد:
-
مبانی Feature Store: به بررسی نظریههای اصلی Feature Storeها بپردازید و نقش محوری آنها را در مدیریت دادههای مدرن درک کنید.
-
اصول Feast: ویژگیهای منحصربهفرد Feast را بررسی کنید و عملکردهایی را که آن را به یک انتخاب ارجح در جامعه متنباز تبدیل کرده است، کاوش کنید.
-
تکنیکهای ادغام ابری: هنر پیکربندی Feast را در محیطهای ابری بیاموزید و بینشهای عملی در مورد ادغام با GCP به دست آورید.
-
تمرین عملی: دانش خود را از طریق تمرینهای عملی به کار بگیرید و اطمینان حاصل کنید که نه تنها نظریهها را درک میکنید، بلکه میتوانید آنها را به طور ماهرانه در سناریوهای دنیای واقعی پیادهسازی کنید.
-
بهینهسازی گردش کار: استراتژیهایی را برای بهینهسازی گردش کار دادهها با استفاده از Feast کشف کنید و کارایی و عملکرد را در توسعه مدل یادگیری ماشین افزایش دهید.
در پایان این دوره، شما نه تنها «چراییها» را درک خواهید کرد، بلکه مهارتهای لازم برای پیمایش و پیشرفت در چشمانداز Feature Store را نیز به دست خواهید آورد، به ویژه تسلط بر هنر ادغام Feast با سایر اجزا مانند GCP، Github Actions.
پیش نیازها
شرکتکنندگان باید دانش اولیه در مورد یادگیری ماشین، آشنایی با فناوریهای داده و درک اساسی از پایتون داشته باشند. این دوره برای مبتدیان مناسب است و از کسانی که تجربه قبلی ندارند استقبال میکند تا از ابتدا بپیوندند و یاد بگیرند.
مقدمه Introduction
-
خوش آمدید و چه چیزی از این دوره یاد خواهید گرفت؟ Welcome & what you will learn from this course?
تئوری Theory
-
چالشهایی که در طول ایجاد مدلهای ML بوجود میآیند The challenges that arise during the creation of ML models
-
چالشهایی که در طول ایجاد مدلهای ML بوجود میآیند Challenges that arise during the creation of ML models
-
چگونه Feature Store میتواند به حل این مشکلات کمک کند؟ How Feature Store can help to solve these problems?
-
مشکلاتی که توسط Feature Store حل میشوند The problems solved by Feature Store
-
Feature Store و اجزای کلیدی Feature Store & key components
-
اجزای Feature Store Components of Feature Store
تمرین - محیط محلی Practice - local enivorment
-
راهاندازی محیط و بررسی اولیه Feast Set up environment & first overview of Feast
-
اشیاء Feast Feast objects
-
کار با Feast در نوتبوک Working with Feast in notebook
تمرین - محیط ابری Practice - cloud enviroment
-
نصب پکیجهای اضافی Instalation extra packages
-
چگونه میتوانیم از BigQuery با Feast استفاده کنیم؟ How we can use BigQuery with Feast?
-
Redis instance در GCP به عنوان Online Store Redis instance in GCP as Online Store
-
تنظیم CloudSQL instance به عنوان remote registry Setting CloudSQL instance as remote registry
تمرین - مخزن راه دور Practice - remote repository
-
مخزن راه دور Feast و CI/CD pipeline Feast remote repository & CI/CD pipeline
در نهایت مروری بر گردش کار Feast Finally overview on Feast workflow
-
گردش کار Feast حالت محلی در مقابل حالت مرکزی Feast workflow local vs central mode
https://donyad.com/d/0d03fd
Dominik Zalewski
دومینیک
نمایش نظرات