آموزش بهینه‌سازی هوش مصنوعی: ساخت خط لوله‌های مدل قابل استفاده مجدد - آخرین آپدیت

دانلود Optimize AI: Build Reusable Model Pipelines

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: دوره «بهینه‌سازی هوش مصنوعی: ساخت خط لوله‌های مدل قابل استفاده مجدد» یک دوره سطح متوسط برای مهندسان یادگیری ماشین و دانشمندان داده است که هدف آن‌ها ایجاد گردش کارهای هوش مصنوعی کارآمد، مقیاس‌پذیر و قابل نگهداری است. در دنیایی که مدل‌ها با سرعت در حال تکامل هستند، انتخاب مدل مناسب تنها شروع کار است. این دوره فراتر از انتخاب مدل رفته و بر گام حیاتی بعدی تمرکز می‌کند: ساخت خط لوله‌های (Pipelines) استاندارد و قابل استفاده مجدد که ثبات را تضمین کرده و سرعت توسعه را افزایش می‌دهند. شما یاد خواهید گرفت که چگونه به صورت استراتژیک توازن بین مدل‌های بزرگ پیش‌آموزش‌دیده و جایگزین‌های کوچک‌تر و سفارشی را ارزیابی کنید و عملکرد را با محدودیت‌های دنیای واقعی مانند سرعت استنتاج و هزینه متعادل سازید. از طریق آزمایشگاه‌های عملی، هنر ساخت خط لوله‌های یادگیری ماشین ماژولار و بازتولیدپذیر را با استفاده از Scikit-learn فرا خواهید گرفت. سرفصل‌های این دوره بر بهترین روش‌های مدیریت مدل و نسخه‌بندی تأکید دارد و شما را قادر می‌سازد سیستم‌های قدرتمندی طراحی کنید که به‌روزرسانی، عیب‌یابی و استقرار آن‌ها آسان باشد. در پایان این دوره، شما آماده خواهید بود تا از توسعه مدل‌های موردی و پراکنده به سمت یک رویکرد سیستماتیک و مبتنی بر خط لوله حرکت کنید که برای ساخت راهکارهای هوش مصنوعی حرفه‌ای و آماده تولید ضروری است.

سرفصل ها و درس ها

توازن بین اندازه مدل و عملکرد Model Size and Performance Tradeoffs

مقایسه استنتاج مدل‌ها Comparing Model Inference

توسعه خط لوله‌های استاندارد یادگیری ماشین Develop Standardized ML Pipelines

چرا استانداردسازی؟ بحران بازتولیدپذیری Why Standardize? The Reproducibility Crisis
آموزش تصویری: ساخت یک خط لوله در Scikit learn Screencast: Building a Scikit-learn Pipeline