نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره شامل یک رویکرد عملی در دنیای واقعی به گردش کار ML است: یک رویکرد مطالعه موردی که یک تیم ML را با چندین مورد نیاز تجاری ML و موارد استفاده ارائه می دهد. این دوره شامل یک رویکرد عملی در دنیای واقعی برای گردش کار ML است: مطالعه موردی رویکردی که یک تیم ML را با چندین مورد نیاز تجاری و موارد استفاده ML ارائه می دهد. این تیم باید ابزارهای مورد نیاز برای مدیریت و مدیریت داده را درک کند و بهترین رویکرد را برای پیش پردازش داده ها در نظر بگیرد: از ارائه یک نمای کلی از Dataflow و Dataprep تا استفاده از BigQuery برای کارهای پیش پردازش. این تیم با سه گزینه برای ساخت مدل های یادگیری ماشین برای دو مورد خاص ارائه شده است. این دوره توضیح می دهد که چرا تیم از AutoML، BigQuery ML یا آموزش سفارشی برای دستیابی به اهداف خود استفاده می کند. در این دوره آموزشی عمیق تر به آموزش سفارشی ارائه شده است. ما الزامات آموزشی سفارشی را از ساختار کد آموزشی، ذخیره سازی، و بارگذاری مجموعه داده های بزرگ تا صدور یک مدل آموزش دیده توضیح می دهیم. شما یک مدل یادگیری ماشینی سفارشی خواهید ساخت که به شما امکان می دهد با دانش کمی از Docker یک تصویر ظرف بسازید. تیم مطالعه موردی تنظیم هایپرپارامتر را با استفاده از Vertex Vizier و نحوه استفاده از آن برای بهبود عملکرد مدل بررسی می کند. برای درک بیشتر در مورد بهبود مدل، کمی به تئوری می پردازیم: در مورد منظم سازی، برخورد با پراکندگی، و بسیاری از مفاهیم و اصول ضروری دیگر بحث می کنیم. ما با مروری بر پیشبینی و نظارت مدل و نحوه استفاده از Vertex AI برای مدیریت مدلهای ML پایان میدهیم.
سرفصل ها و درس ها
معرفی
Introduction
-
معرفی دوره
Course introduction
آشنایی با گردش کار ML Enterprise
Understanding the ML Enterprise Workflow
-
معرفی
Introduction
-
مروری بر گردش کار سازمانی ML
Overview of an ML enterprise workflow
-
منابع درک گردش کار سازمانی ML
Resources Understanding the ML Enterprise Workflow
داده ها در شرکت
Data in the Enterprise
-
معرفی
Introduction
-
فروشگاه ویژگی
Feature Store
-
کاتالوگ داده ها
Data Catalog
-
دیتاپلکس
Dataplex
-
مرکز تجزیه و تحلیل
Analytics Hub
-
گزینه های پیش پردازش داده ها
Data preprocessing options
-
Dataprep
Dataprep
-
مقدمه آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Dataprep
Lab intro: Exploring and Creating an Ecommerce Analytics Pipeline with Dataprep
-
Pluralsight: شروع به کار با GCP و Qwiklabs
Pluralsight: Getting Started with GCP and Qwiklabs
-
آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Cloud Dataprep نسخه 1.5
Lab: Exploring and Creating an Ecommerce Analytics Pipeline with Cloud Dataprep v1.5
-
منابع: داده ها در سازمان
Resources: Data in the Enterprise
علم یادگیری ماشین و آموزش سفارشی
Science of Machine Learning and Custom Training
-
معرفی
Introduction
-
هنر و علم یادگیری ماشینی
The art and science of machine learning
-
تمرین را سریعتر کنید
Make training faster
-
زمان استفاده از آموزش سفارشی
When to use custom training
-
الزامات و وابستگی های آموزشی (قسمت 1)
Training requirements and dependencies (part 1)
-
الزامات و وابستگی های آموزشی (قسمت 2)
Training requirements and dependencies (part 2)
-
آموزش مدل های سفارشی ML با استفاده از Vertex AI
Training custom ML models using Vertex AI
-
معرفی آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده
Lab intro: Vertex AI: Custom Training Job and Prediction Using Managed Datasets
-
آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده
Lab: Vertex AI: Custom Training Job and Prediction Using Managed Datasets
-
منابع: علم یادگیری ماشین و آموزش سفارشی
Resources: Science of Machine Learning and Custom Training
-
منابع: علم یادگیری ماشین
Resources: The Science of Machine Learning
تنظیم فراپارامتر Vertex Vizier
Vertex Vizier Hyperparameter Tuning
-
معرفی
Introduction
-
تنظیم فراپارامتر Vertex AI Vizier
Vertex AI Vizier hyperparameter tuning
-
مقدمه آزمایشگاه: تنظیم Hyperparameter Vertex Vizier
Lab intro: Vertex Vizier Hyperparameter Tuning
-
آزمایشگاه: Vertex AI: Hyperparameter Tuning
Lab: Vertex AI: Hyperparameter Tuning
-
آزمایشگاه: استفاده از Vertex Vizier برای بهینه سازی چندین هدف
Lab: Using Vertex Vizier to Optimize Multiple Objectives
-
منابع: Vertex Vizier Hyperparameter Tuning
Resources: Vertex Vizier Hyperparameter Tuning
پیش بینی و نظارت بر مدل با استفاده از Vertex AI
Prediction and Model Monitoring Using Vertex AI
-
معرفی
Introduction
-
پیش بینی با استفاده از Vertex AI
Predictions using Vertex AI
-
آزمایشگاه: Vertex SDK: مدلهای رگرسیون جدولی آموزش سفارشی برای پیشبینی و توضیح آنلاین
Lab: Vertex SDK: Custom Training Tabular Regression Models for Online Prediction and Explainability
-
مدیریت مدل با استفاده از Vertex AI
Model management using Vertex AI
-
معرفی آزمایشگاه: رصد مدل AI Vertex
Lab intro: Vertex AI Model Monitoring
-
آزمایشگاه: مانیتورینگ مدل AI Vertex
Lab: Monitoring Vertex AI Model
-
منابع: پیش بینی و نظارت بر مدل با استفاده از Vertex AI
Resources: Prediction and Model Monitoring Using Vertex AI
خطوط لوله AI Vertex
Vertex AI Pipelines
-
معرفی
Introduction
-
پیش بینی با استفاده از خطوط لوله Vertex AI
Prediction using Vertex AI pipelines
-
معرفی آزمایشگاه: Pipelines Vertex AI
Lab intro: Vertex AI Pipelines
-
معرفی و بررسی آزمایشگاه: خط لوله Vertex AI
Lab Introduction and Walkthrough: Vertex AI pipeline
-
آزمایشگاه: مقدمه ای بر خطوط لوله ورتکس
Lab: Introduction to Vertex Pipelines
-
آزمایشگاه: ایجاد و اجرای خطوط لوله ML با خطوط لوله Vertex
Lab: Create and Run ML Pipelines with Vertex Pipelines
-
منابع: خطوط لوله AI Vertex
Resources: Vertex AI Pipelines
بهترین روش ها برای توسعه ML
Best Practices for ML Development
-
معرفی
Introduction
-
بهترین شیوه ها برای استقرار و سرویس دهی مدل
Best practices for model deployment and serving
-
بهترین روش ها برای نظارت بر مدل
Best practices for model monitoring
-
بهترین شیوه های خط لوله Vertex AI
Vertex AI pipeline best practices
-
بهترین شیوه ها برای سازماندهی مصنوعات
Best practices for artifact organization
-
منابع: بهترین روش ها برای توسعه ML در Vertex AI
Resources: Best Practices for ML Development on Vertex AI
خلاصه دوره
Course Summary
-
خلاصه
Summary
-
منبع: تمام سوالات مسابقه
Resource: All quiz questions
-
منابع: همه مطالب خوانده شده
Resources: All readings
-
منبع: همه اسلایدها
Resource: All slides
خلاصه سریال
Series Summary
-
خلاصه سریال
Series summary
-
منبع: خلاصه بهترین شیوه ها
Resource: Best practices summary
Pluralsight (پلورال سایت)
Pluralsight یکی از پرطرفدارترین پلتفرمهای آموزش آنلاین است که به میلیونها کاربر در سراسر جهان کمک میکند تا مهارتهای خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دورههای آموزشی در زمینههای فناوری اطلاعات، توسعه نرمافزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه میدهد.
یکی از ویژگیهای برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعهدهندگان و کارشناسان معتبر، دورههایی را ارائه میدهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژیها نگه میدارد. این امر به کاربران این اطمینان را میدهد که دورههایی که در Pluralsight میپذیرند، با جدیدترین دانشها و تجارب به روز شدهاند.
نمایش نظرات