آموزش سیستم‌های یادگیری ماشین در محیط عملیاتی (Production) - آخرین آپدیت

مقدمه‌ای بر یادگیری ماشین پیشرفته در گوگل کلاد Introducción al aprendizaje automático avanzado en Google Cloud

• یادگیری ماشین پیشرفته در گوگل کلاد Aprendizaje automático avanzado en Google Cloud

• خوش‌آمدگویی Bienvenida

معماری سیستم‌های یادگیری ماشین در محیط عملیاتی Arquitectura de sistemas de AA de producción

• معماری سیستم‌های یادگیری ماشین Arquitectura de los sistemas de AA

• استخراج، تحلیل و آماده‌سازی داده‌ها Extracción, análisis y preparación de los datos

• آموزش، ارزیابی و اعتبارسنجی مدل Entrenamiento, evaluación y validación del modelo

• مدل آموزش‌دیده، سرویس پیش‌بینی و نظارت بر عملکرد Modelo entrenado, servicio de predicción y supervisión del rendimiento

• تصمیمات طراحی در مرحله آموزش Decisiones de diseño del entrenamiento

• تصمیمات طراحی در مرحله استقرار Decisiones de diseño de la entrega

• طراحی از پایه Diseño desde cero

• استفاده از Vertex AI Uso de Vertex AI

• مقدمه‌ای بر آزمایشگاه: پیش‌بینی داده‌های ساختاریافته Introducción al lab: Predicción de datos estructurados

• کورسر: شروع کار با گوگل کلاد و Qwiklabs Coursera: Empezar a usar Google Cloud y Qwiklabs

طراحی سیستم‌های یادگیری ماشین تطبیقی Diseño de sistemas de AA adaptables

• مقدمه Introducción

• تطبیق با داده‌ها Adaptación a los datos

• تغییر در توزیع داده‌ها Cambio de distribuciones

• آزمایشگاه: تطبیق با داده‌ها Lab: Adaptación a los datos

• تصمیمات درست و نادرست Decisiones correctas e incorrectas

• خطاهای سیستم Fallas del sistema

• انحراف مفهومی (Concept Drift) Desvío de conceptos

• اقداماتی برای کاهش انحراف مفهومی Acciones para mitigar el desvío de conceptos

• اعتبارسنجی داده‌های TensorFlow TensorFlow Data Validation

• اجزای TensorFlow Data Validation Componentes de TensorFlow Data Validation

• مقدمه‌ای بر آزمایشگاه: آشنایی با TensorFlow Data Validation Introducción al lab: Introducción a TensorFlow Data Validation

• مقدمه‌ای بر آزمایشگاه: بصری‌سازی پیشرفته با TensorFlow Data Validation Introducción al lab: Visualizaciones avanzadas con TensorFlow Data Validation

• کاهش سوگیری‌های آموزش و استقرار از طریق طراحی Mitigación de los sesgos de entrenamiento-entrega a través del diseño

• عیب‌یابی مدل در محیط عملیاتی Diagnóstico de un modelo de producción

طراحی سیستم‌های یادگیری ماشین با کارایی بالا Diseño de sistemas de AA de alto rendimiento

• مقدمه Introducción

• آموزش Entrenamiento

• پیش‌بینی‌ها Predicciones

• چرا آموزش توزیع‌شده ضروری است؟ Por qué es necesario el entrenamiento distribuido

• معماری‌های آموزش توزیع‌شده Arquitecturas de entrenamiento distribuido

• استراتژی‌های آموزش توزیع‌شده در TensorFlow Estrategias de entrenamiento distribuido de TensorFlow

• استراتژی Mirror Estrategia duplicada

• استراتژی MultiWorkerMirror Estrategia duplicada de varios trabajadores

• استراتژی TPU Estrategia de TPU

• استراتژی Parameter Server Estrategia de servidor de parámetros

• مقدمه‌ای بر آزمایشگاه: آموزش توزیع‌شده با Keras Introducción al lab: Entrenamiento distribuido con Keras

• نحوه آموزش با مجموعه‌داده‌های بزرگ با استفاده از tf.data API Cómo entrenar con grandes conjuntos de datos con la API de tf.data

• مقدمه‌ای بر آزمایشگاه: خط لوله‌های داده با سرعت TPU Introducción al lab: Canalizaciones de datos con velocidades de TPU

• استنتاج (Inference) Inferencia

ایجاد سیستم‌های یادگیری ماشین ترکیبی (Hybrid) Creación de sistemas híbridos de AA

• مقدمه Introducción

• یادگیری ماشین در ابر ترکیبی (Hybrid Cloud) Aprendizaje automático en la nube híbrida

• Kubeflow Kubeflow

• مقدمه‌ای بر آزمایشگاه: Kubeflow Pipelines با AI Platform Introducción al lab: Kubeflow Pipelines con AI Platform

• TensorFlow Lite TensorFlow Lite

• بهینه‌سازی TensorFlow برای دستگاه‌های موبایل Optimización de TensorFlow para dispositivos móviles

• جمع‌بندی Resumen

جمع‌بندی Resumen

• مرور کلی دوره Resumen del curso