آموزش برنامه نویسی پایتون برای MLOP - محیط تولید - 2025 - آخرین آپدیت

دانلود Python Programming for MLOps - Production Environment - 2025

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بهینه سازی MLOP ها ، AIOPS و گردش کار DevOps با پایتون - مهارت های اساسی برای تولید پایتون با اطمینان در زیرساخت ها و وظایف عملیات اعمال می شود: با استفاده از اصول اصلی ، دست زدن به پرونده ، ماژول ها و OOP کد پایتون ماژولار را بنویسید. عملیات مربوط به پرونده: به طور موثر دستکاری ، رمزگذاری و کار با قالب های مختلف فایل که معمولاً در DevOps ، MLOPS و AIOP استفاده می شود. برنامه های خط فرمان تعاملی ایجاد کنید: CLIS را با پایتون بسازید تا وظایف خود را به صورت خودکار انجام دهید و گردش کار را ساده کنید. به طور موثر سیستم های لینوکس را از راه دور مدیریت کنید: از کتابخانه پارچه پایتون برای اجرای از راه دور و psutil برای نظارت بر سیستم استفاده کنید ، مدیریت و انتشار بسته های پایتون: سازماندهی کد را در بسته های قابل استفاده مجدد و توزیع آنها بر روی سیستم عامل هایی مانند PYPI. از Docker برای استقرار برنامه ها استفاده کنید: ایجاد تصویر Docker ، کانتینر سازی و استقرار را درک کنید. گردش کار با اقدامات GitHub: طراحی و پیکربندی خطوط لوله CI/CD با استفاده از اقدامات GitHub. اجرای گردش کار CI/CD با استفاده از خدمات AWS: خطوط لوله طراحی که از S3 برای ذخیره سازی و نمونه های EC2 برای استقرار استفاده می شود. آزمایشات را به طور خاص برای پروژه های MLOPS بنویسید: از قابلیت اطمینان و قابلیت اطمینان MLOP ها با استفاده از PyTest اطمینان حاصل کنید. تهیه و مدیریت زیرساخت ها با استفاده از کد: زیرساخت ها را به عنوان اصول کد (IAC) با Python SDK Pulumi اعمال کنید. یک خط لوله MLOPS کامل را تجربه کنید: یک راه حل MLOP های نهایی را ایجاد کنید و ابزارها و مفاهیمی را که در طول دوره آموخته شده است ، ایجاد کنید. نظارت مداوم را برای بهبود دید تنظیم کنید: اجرای نظارت و هشدار با استفاده از پرومتئوس و گرافانا. پیش nیaزha: برای کدگذاری فقط یک لپ تاپ و CLI لازم نیست

مهارت های ضروری پایتون را که برای ساده سازی گردش کار DevOps ، اجرای خطوط لوله MLOPS هوشمند و بهینه سازی شیوه های AIOPS ، تسلط داشته باشید. این دوره جامع به اصول پایتون ، اتوماسیون فایل ، تسلط خط فرمان ، برنامه های لینوکس ، مدیریت بسته ، داکر ، CI/CD با AWS ، اتوماسیون زیرساخت ها و حتی تکنیک های پیشرفته نظارت و ورود به سیستم فرو می رود.

مهارت های کلیدی شما توسعه می دهید:

  • پایه های پایتون: درک کاملی از متغیرها ، انواع داده ها ، ساختار کنترل ، توابع ، برنامه نویسی شی گرا و بهترین روشها برای پاک کردن کد پایتون دریافت کنید.

  • اتوماسیون فایل

    : با زحمت متن ، باینری و قالب های مختلف پرونده (مانند CSV ، JSON و موارد دیگر) را که در پروژه های MLOP ، AIOPS و DEVOPS استفاده می شود ، دستکاری کنید. استراتژی های رمزگذاری را برای کار با پرونده ایمن بیاموزید.

  • قدرت خط فرمان: ساخت رابط های خط فرمان و اتوماسیون وظایف با کتابخانه های پایتون مانند آرگپارس ، کلیک و آتش.

  • ادغام لینوکس: تعامل با سیستم های لینوکس به طور موثری با استفاده از کتابخانه های پارچه و psutil Python.

  • مدیریت بسته: برای ساده کردن گردش کار خود ، ایجاد ، مدیریت و انتشار بسته های Python خود را بیاموزید.

  • تخصص Docker: کانتینریزاسیون مستر داکر برای استقرار سازگار و قابل حمل.

  • اتوماسیون اقدامات GitHub: گردش کار اقدامات GitHub را برای پروژه های پایتون خود ایجاد و سفارشی کنید.

  • AWS Essentials: محیط AWS خود را تنظیم کنید ، با سطل های S3 کار کنید ، نمونه های EC2 را مدیریت کنید و خطوط لوله CI/CD را در AWS طراحی کنید.

  • Pytest Power: برای پروژه های MLOPS خود با استفاده از PyTest تست های قوی و قابل حفظ بنویسید.

  • زیرساخت ها به عنوان کد با Pulumi: تهیه و مدیریت زیرساخت ها با استفاده از Python SDK Pulumi.

  • MLOPS در عمل: در یک نمایش آزمایشی دستی که یک خط لوله MLOPS کامل را نشان می دهد شرکت کنید.

  • نظارت بر ورود به سیستم: نظارت مداوم با پرومتئوس و گرافانا را برای بینش های عملی در سیستم های خود تنظیم کنید.

این دوره برای چه کسی است:

  • توسعه دهندگان علاقه مند به ساده سازی فرآیندهای DevOps

  • دانشمندان داده و مهندسان ML که به دنبال تقویت شیوه های MLOPS هستند

  • متخصصان فناوری اطلاعات مایل به اجرای استراتژی های AIOPS

  • هرکسی که مشتاق به تسلط بر پایتون برای مدیریت زیرساخت ها و اتوماسیون باشد


سرفصل ها و درس ها

مقدمه ای برای دوره Introduction to the Course

  • به دوره خوش آمدید Welcome to the Course

  • چه چیزی این دوره را منحصر به فرد می کند What makes this course Unique

  • دسترسی به کد منبع Source code access

Python Essentials for DevOps - MLOPS - AIOPS Python Essentials for DevOps - MLOps - AIOps

  • مقدمه ای بر پایتون Introduction to the Python

  • مقدمه ای بر پایتون Introduction to Python

  • نصب و اجرای پایتون Installing and Running Python

  • متغیرها و انواع داده ها در پایتون Variables and Data Types in Python

  • متغیرها در پایتون Variables in Python

  • تور سریع رابط آزمایشگاه Jupyter Jupyter Lab Interface Quick Tour

  • varaibles و انواع داده ها - دست روشن Varaibles and Data Types - Hands On

  • متغیرها در مسابقه پایتون Variables in Python Quiz

  • نظرات به زبان برنامه نویسی پایتون Comments in Python Programming Language

  • نظرات در پایتون Comments in Python

  • اپراتورها در برنامه نویسی پایتون Operators in Python Programming

  • اپراتورها در پایتون - دست در Operators in Python - Hands On

  • اپراتورها در پایتون Operators in Python

  • توابع داخلی در برنامه نویسی پایتون Built-in Functions in Python Programming

  • توابع داخلی در برنامه نویسی پایتون - Hands On Built-in Functions in Python Programming - Hands On

  • توابع داخلی در برنامه نویسی پایتون - قسمت 2 - Hands On Built-in Functions in Python Programming - Part 2 - Hands On

  • توالی در پایتون Sequences in Python

  • دست روی رشته های پایتون - عملیات توالی Hands On Python Strings - Sequence Operations

  • Hands on Python List - عملیات توالی Hands On Python List - Sequence Operations

  • Hands on Python Tuple - عملیات توالی Hands On Python Tuple - Sequence Operations

  • دست در فرهنگ لغت پایتون - عملیات توالی Hands On Python Dictionary - Sequence Operations

  • دست در مجموعه های پایتون - عملیات دنباله Hands On Python Sets - Sequence Operations

  • Hands on Python Range - عملیات توالی Hands On Python Range - Sequence Operations

  • کنترل اجرای در پایتون Execution Control in Python

  • Hands on - اظهارات مشروط در پایتون Hands On – Conditional Statements in Python

  • Hands on - for - اظهارات کنترل در پایتون Hands On – For - Control Statements in Python

  • دست در - در حالی که - اظهارات را در پایتون کنترل کنید Hands On – While - Control Statements in Python

  • Hands on - اظهارات کنترل حلقه در برنامه نویسی پایتون Hands On – Loop Control Statements in Python Programming

  • رسیدگی به استثناء در پایتون Exception Handling in Python

  • قالب بندی رشته در پایتون String Formatting in Python

  • قالب بندی رشته - دست در String Formatting - Hands On

  • توابع تعریف شده کاربر در پایتون User Defined Functions in Python

  • توابع تعریف شده کاربر و دامنه متغیرها User Defined Functions & Scope of Variables Hands On

  • توابع ناشناس - لامبدا Anonymous Functions - Lambda

  • توابع پیشرفته - نقشه ، فیلتر ، لیست و درک مطلب Advanced Functions - map, filter, list & dict comprehension

  • ماژول ها در پایتون Modules in Python

  • گل در پایتون - دست در Mudules in Python - Hands On

  • عبارات منظم Regular Expressions

  • عبارات منظم دست در Regular Expressions Hands On

  • مقدمه ای به پایتون شی گرا Introduction to Object Oriented Python

  • Hands on - کلاس ها و اشیاء Hands On - Classes and Objects

  • مفاهیم شی گرا در پایتون Object Oriented Concepts in Python

  • خلاصه بخش Section Summary

  • مفاهیم شی گرا - دست در Object Oriented Concepts - Hands On

اتوماسیون فایل پایتون - کار با پرونده ها و سیستم فایل Python File Automation - working with Files and Filesystem

  • آشنایی با اتوماسیون فایل پایتون Introduction to Python File Automation

  • کار با پرونده ها و دایرکتوری Working with Files and Directory

  • کار با پرونده های متنی Working with Text files

  • کار با پرونده های باینری Working with Binary Files

  • کار با قالب های پرونده مشترک در DevOps - پروژه های AIOPS MLOPS Working with Common File formats in DevOps - MLOps AIOps Projects

  • کار با قالب های پرونده مشترک در DevOps - پروژه های MLOPS AIOPS - قسمت 2 Working with Common File formats in DevOps - MLOps AIOps Projects - Part 2

  • استراتژی هایی برای کار با پرونده های بزرگ Strategies for working with Large Files

  • رمزگذاری و رمزنگاری با استفاده از پایتون Encryption and Cryptography using Python

  • کار با دایرکتوری ها در پایتون - سیستم عامل ، Shutil ، Pathlib Working with Directories in Python - os, shutil, pathlib

  • نمونه هایی از MLOP Examples from MLOps

اتوماسیون خط فرمان - DevOps - MLOPS - AIOPS Command Line Automation - DevOps - MLOps - AIOps

  • مقدمه ای برای کار با خطوط فرمان Introduction to Working with Command Lines

  • کار با ماژول SYS - Hands On Working with sys module - Hands On

  • کار با ماژول سیستم عامل Working with os module

  • کار با ماژول فرعی Working with subprocess module

  • کار با ابزارهای خط فرمان Working with Command Line tools

  • sys.argv - ورودی خط فرمان sys.argv - command line inputs

  • argparse - ورودی خط فرمان تجزیه Argparse - Parsing Command Line inputs

  • دکوراسیون های تابعی Function Decorators

  • تجزیه خط فرمان با استفاده از کلیک Parsing the Command line using Click

  • ایجاد CLI پیچیده تر با استفاده از کلیک Creating a More Complex CLI using Click

  • کار با بسته آتش Working with fire package

برنامه های لینوکس با پایتون Linux Utilities with Python

  • آشنایی با کتابخانه پارچه پایتون Introduction to Python Fabric Library

  • دست روی پارچه پایتون Hands On Python Fabric

  • سیستم را با psutil کنترل کنید Monitor the System with psutil

  • دست روی psutil Hands On psutil

مدیریت بسته پایتون Python Package Management

  • آشنایی با مدیریت بسته پایتون Introduction to Python Package Management

  • مدیریت بسته با پایتون Hands on Package Management with Python

  • بسته های MLOPS به PYPI Hands On MLOps Package to pypi

Docker for DevOps - MLOPS - AIOPS Docker for DevOps - MLOps - AIOps

  • آشنایی با DevOps Introduction to DevOps

  • مقدمه ای برای داکر Introduction to Docker

  • نصب داکر Docker Installation

  • DOCKER HAND ON Docker Hands On

اقدامات GitHub برای پروژه های پایتون Github Actions for Python Projects

  • آشنایی با اقدامات GitHub Introduction to GitHub Actions

  • نسخه ی نمایشی سریع در مورد اقدامات github پرونده yaml Quick Demo on github actions YAML file

  • درک اقدامات github پرونده yaml Understanding github Actions YAML file

  • اقدامات GitHub را از ابتدا ایجاد کنید Create github Actions from Scratch

  • گردش کار را بر اساس مورد استفاده پیکربندی کنید Configure Workflow based on use case

شروع کار با AWS - کار آماده سازی برای خط لوله CD CD - پروژه های پایتون Getting Started with AWS - Prep work for CI CD Pipeline - Python Projects

  • دستور کار بخش Agenda of the Section

  • ایجاد حساب AWS Create AWS Account

  • تنظیم MFA در حساب root Setting up MFA on Root Account

  • ایجاد حساب IAM و نام مستعار حساب Create IAM Account and Account Alias

  • تنظیم CLI با اعتبار Setup CLI with Credentials

  • سیاست IAM Policy

  • ژنراتور و پیوست خط مشی IAM IAM Policy generator & attachment

  • کاربر IAM را حذف کنید Delete the IAM User

  • سطل S3 و کلاس های ذخیره سازی S3 Bucket and Storage Classes

  • ایجاد سطل S3 از کنسول Creation of S3 Bucket from Console

  • ایجاد سطل S3 از CLI Creation of S3 Bucket from CLI

  • فعال سازی نسخه در S3 Version Enablement in S3

  • مقدمه نمونه های EC2 Introduction EC2 instances

  • نمونه EC2 و SSH را به موارد EC2 راه اندازی کنید Launch EC2 instance & SSH into EC2 Instances

  • فعالیت تمیز کردن Clean Up Activity

خط لوله CD CD با اقدامات GitHub - موارد AWS EC2 CI CD Pipeline with Github Actions - AWS EC2 Instances

  • دستور کار بخش Agenda of the Section

  • کاوش در پرونده های CI CD Python Exploring the files of CI CD Python

  • تنظیم پیش نیاز برای خط لوله CD CI Pre-requisite setup for ci cd pipeline

  • CD CI را با AWS آزمایش کنید Test the CI CD with AWS

Pytest برای MLOP - AIOPS Pytest for MLOps - AIOps

  • آشنایی با پیتست Introduction to Pytest

  • دست پیتست pytest Hands on

  • وسایل Pytest pytest fixtures

اتوماسیون زیرساخت با استفاده از پایتون Infrastructure Automation using Python

  • آشنایی با IAAC Introduction to IAAC

  • معرفی Pulumi Introducing Pulumi

  • دریافت سیستم RDREAD Getting System rReady

  • دست های پولمی Pulumi Hands On

  • Pulumi با مورد استفاده پیشرفته - EC2 با گروه امنیتی Pulumi with Advanced Use case - EC2 with Security Group

پایتون برای MLOP - AIOPS Python for MLOps - AIOps

  • معرفی MLOP Introducing MLOps

  • دست روی MLOP های نسخه ی نمایشی Hands On Demo MLOps

  • آزمایش MLOP ها Testing the MLOps

نظارت و ورود به سیستم با پایتون Monitoring and Logging with Python

  • مقدمه ای برای نظارت مداوم Introduction to Continuous Monitoring

  • از پرونده در نظارت مداوم استفاده کنید Use case on Continuous Monitoring

  • مقدمه ای برای پرومتئوس Introduction to Prometheus

  • معماری پرومتئوس Architecture of Prometheus

  • انواع متریک پرومتئوس Metric Types of Prometheus

  • نصب پرومتئوس Installation of Prometheus

  • آشنایی با گرافانا Introduction to Grafana

  • نصب گرافانا Installation of Grafana

  • پرونده پیکربندی پرومتئوس Prometheus Configuration file

  • کاوش در پرس و جو اصلی پرومتئوس Exploring the Basic Querying Prometheus

  • زیرساخت ها را با پرومتئوس کنترل کنید Monitor the Infrastructure with Prometheus

  • سرور لینوکس را با صادر کننده گره کنترل کنید Monitor the Linux Server with Node Exporter

  • برنامه مشتری را با استفاده از پرومتئوس کنترل کنید Monitor the Client Application using Prometheus

  • برنامه FastAPI را با استفاده از پرومتئوس کنترل کنید Monitor the FastAPI Application using Prometheus

  • با استفاده از پرومتئوس تمام نقاط پایانی را کنترل کنید Monitor All EndPoints using Prometheus

  • با گرافانا تجسم ایجاد کنید Create Visualization with Grafana

  • هشدارها را با گرافانا تحریک کنید Trigger Alerts with Grafana

  • جایزه: درک معماری ترانسفورماتور Bonus: Understanding Transformer Architecture

  • جایزه: مقدمه ای برای شرکت های سازمانی Bonus: Introduction to Enterprise MLOps

نمایش نظرات

آموزش برنامه نویسی پایتون برای MLOP - محیط تولید - 2025
جزییات دوره
19 hours
128
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
588
4.6 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Manifold AI Learning ® Manifold AI Learning ®

آینده را بیاموزید - علم داده، یادگیری ماشین و هوش مصنوعی