آموزش بهینه‌سازی عملکرد یادگیری ماشین - آخرین آپدیت

استراتژی یادگیری ماشین Machine Learning Strategy

• معرفی دوره Introduction to the course

• آمادگی برای یادگیری ماشین ML Readiness

• کاهش ریسک Risk Mitigation

• ذهنیت تجربی Experimental Mindset

• ساخت، خرید یا مشارکت Build/Buy/Partner

• تشکیل تیم Setting up a Team

• درک و اطلاع‌رسانی تغییرات Understanding and Communicating Change

• خلاصه هفته Weekly Summary

یادگیری ماشین مسئولانه Responsible Machine Learning

• هوش مصنوعی برای خیر جمعی و همگانی AI 4 Good & for all

• حلقه‌های بازخورد مثبت و منفی Positive Feedback Loops & Negative Feedback Loops

• طراحی متریک‌ها و مشاهده رفتارها Metric Design & Observing Behaviours

• اثرات ثانویه بهینه‌سازی Secondary Effects of Optimization

• دغدغه‌های نظارتی و قانونی Regulatory Concerns

• خلاصه هفته Weekly Summary

یادگیری ماشین در محیط عملیاتی و برنامه‌ریزی Machine Learning in Production & Planning

• یکپارچه‌سازی سیستم‌های اطلاعاتی Integrating Info Systems

• خطاهای کاربر در سیستم Users Break Things

• پیچیدگی زمان و مکان در محیط عملیاتی Time & Space complexity in production

• چه زمانی مدل را مجدداً آموزش دهیم؟ When do I retrain the model?

• ثبت نسخه‌های مدل ML Logging ML Model Versioning

• انتقال دانش Knowledge Transfer

• گزارش عملکرد به ذینفعان Reporting Performance to Stakeholders

• خلاصه هفته Weekly Summary

نگهداری و مراقبت از سیستم یادگیری ماشین Care and Feeding of your Machine Learning System

• مرور کلی MLPL MLPL Recap

• چالش‌های پس از استقرار Post Deployment Challenges

• مانیتورینگ و لاگ‌گذاری QuAM QuAM Monitoring and Logging

• تست QuAM QuAM Testing

• نگهداری QuAM QuAM Maintenance

• به‌روزرسانی QuAM QuAM Updating

• جداسازی لایه‌ی داده از محیط عملیاتی Separating Datastack from Production

• اصول داشبورد و مانیتورینگ متریک‌ها Dashboard Essentials & Metrics Monitoring

• خلاصه هفته Weekly Summary