آموزش Google Cloud Professional Machine Learning Cert Prep: 4 در حال توسعه مدل ML
Google Cloud Professional Machine Learning Engineer Cert Prep: 4 Developing ML Models
گواهینامه مهندس حرفه‌ای یادگیری ماشین Google به کارفرمایان بالقوه اجازه می‌دهد بدانند که شما دانش طراحی، ساخت و تولید مدل‌های یادگیری ماشین برای حل چالش‌های تجاری با استفاده از فناوری‌های Google Cloud و دانش مدل‌ها و تکنیک‌های ML اثبات شده را دارید.
در این چهارمین دوره از سری آماده سازی گواهینامه، مربی نوح گیفت موضوعات مربوط به توسعه مدل های یادگیری ماشین را پوشش می دهد. او به شما نشان می دهد که چگونه با استفاده از TensorFlow مدل بسازید، مفاهیم اضافه برازش در مقابل عدم تناسب و نحوه انتخاب معیارهای ارزیابی مناسب را توضیح می دهد. سپس نوح نحوه آموزش حالت ها، از جمله مزایای یادگیری انتقال را توضیح می دهد. در نهایت، با آموزش مدل مقیاس‌گذاری و سرویس‌دهی، از جمله نحوه ساخت میکروسرویس و استقرار آن با Rust در Google App Engine آشنا شوید.
معرفی Introduction
-
بررسی اجمالی Overview
-
دوره چهار اصطلاحات کلیدی Course four key terminology
1. مدل های ساختمان 1. Building Models
-
با استفاده از TensorFlow Playground Using TensorFlow Playground
-
بیش از حد برازش در مقابل کم تناسب Overfitting vs. underfitting
-
انتخاب معیارهای مناسب Selecting the right metrics
2. مدل های آموزشی 2. Training Models
-
مدل‌های آموزشی با Docker مجهز به GPU TensorFlow Training models with TensorFlow GPU-enabled Docker
-
مواد اولیه با تنظیم دقیق صورت در آغوش گرفتن Fine-tuning raw ingredients Hugging Face
-
مزایای انتقال یادگیری Advantages transfer learning
3. آموزش و سرویس مدل Scaling 3. Scaling Model Training and Serving
-
میکروسرویس ها را عملیاتی کنید Operationalize microservices
-
نظارت و ثبت با Rust در Google App Engine Monitoring and logging with Rust on Google App Engine
-
ادغام مستمر Rust با GitHub Actions Continuous integration Rust with GitHub Actions
-
نسخه ی نمایشی: واحد تست Rust Demo: Unit testing Rust
-
نسخه ی نمایشی: Rust با قابلیت Copilot GitHub Demo: GitHub copilot-enabled Rust
-
راه اندازی ایستگاه کاری GCP با پایتون Setup GCP workstation with Python
-
نسخه ی نمایشی: Google Cloud Shell Demo: Google Cloud Shell
-
نسخه ی نمایشی: Google Cloud Editor Demo: Google Cloud Editor
-
نسخه ی نمایشی: Google CLI SDK Demo: Google CLI SDK
-
نسخه ی نمایشی: Google gcloud CLI Demo: Google gcloud CLI
-
نسخه ی نمایشی: Google App Engine Rust Deploy Demo: Google App Engine Rust Deploy
-
نسخه ی نمایشی: Google App Engine Golang Demo: Google App Engine Golang
نتیجه Conclusion
-
مراحل بعدی Next steps
https://donyad.com/d/8f10e9
Noah Gift
کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نمایش نظرات