آموزش استقرار و مقیاس‌پذیری مدل‌ها (GCP-PMLE) - آخرین آپدیت

دانلود (GCP-PMLE) Serving and Scaling Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: انتقال مدل‌ها از مرحله آزمایش به محیط عملیاتی یکی از چالش‌برانگیزترین مراحل است. در دوره (GCP-PMLE) استقرار و مقیاس‌پذیری مدل‌ها، شما توانایی ارائه و مقیاس‌بندی مدل‌های یادگیری ماشین را در گوگل کلود (Google Cloud) کسب خواهید کرد. ابتدا با مبانی استقرار مدل (Model Serving) آشنا می‌شوید، سپس نحوه مدیریت چرخه حیات مدل‌ها را خواهید آموخت و در نهایت، بر مفاهیم مقیاس‌پذیری، زیرساخت، بهینه‌سازی و امنیت مسلط خواهید شد. در پایان این دوره، مهارت‌ها و دانش لازم برای پیاده‌سازی سیستم‌های یادگیری ماشین آماده تولید (Production-ready) را به دست خواهید آورد.

سرفصل ها و درس ها

مبانی استقرار مدل Fundamentals of Model Serving

  • آشنایی با الگوهای استقرار مدل Introduction to Model Serving Patterns

  • دمو: پیش‌بینی آنلاین با Vertex AI Demo: Online Prediction with Vertex AI

  • استقرار با فریم‌ورک‌های مختلف Serving with Different Frameworks

  • دمو: استقرار یک مدل PyTorch Demo: Deploying a PyTorch Model

  • گزینه‌های پیش‌بینی دسته‌ای (Batch Prediction) Batch Prediction Options

  • دمو: اجرای یک عملیات پیش‌بینی دسته‌ای Demo: Running a Batch Prediction Job

مدیریت چرخه حیات مدل Managing Model Lifecycle

  • اهمیت رجیستری مدل (Model Registry) Importance of a Model Registry

  • دمو: استفاده از Vertex AI Model Registry Demo: Using Vertex AI Model Registry

  • استراتژی‌های انتشار ایمن مدل Strategies for Safe Model Rollouts

  • دمو: پیاده‌سازی تست A/B Demo: Implementing A/B Testing

  • مانیتورینگ عملکرد مدل Monitoring Model Performance

  • دمو: مانیتورینگ معیارهای استقرار مدل Demo: Monitoring Model Serving Metrics

مقیاس‌پذیری و زیرساخت Scaling and Infrastructure

  • مقیاس‌بندی زیرساخت استقرار آنلاین Scaling Online Serving Infrastructure

  • انتخاب سخت‌افزار مناسب Choosing the Right Hardware

  • دمو: پیکربندی انواع ماشین و مقیاس‌بندی Demo: Configuring Machine Types and Scaling

  • بررسی کلی Vertex AI Feature Store Vertex AI Feature Store Overview

  • دمو: ارائه ویژگی‌ها با Feature Store Demo: Serving Features with Feature Store

  • گزینه‌های استقرار مبتنی بر کانتینر Containerized Serving Options

بهینه‌سازی و امنیت Optimization and Security

  • بهینه‌سازی مدل برای محیط عملیاتی Optimizing Model for Production

  • دمو: بهینه‌سازی مدل برای کاهش تأخیر (Latency) Demo: Optimizing a Model for Latency

  • امنیت شبکه: نقاط انتهایی عمومی در مقابل خصوصی Network Security: Public vs. Private Endpoints

  • دمو: راه‌اندازی یک نقطه انتهایی خصوصی (Private Endpoint) Demo: Setting up a Private Endpoint

  • تنظیمات برای افزایش نرخ تراکنش و کاهش تأخیر Tuning for Throughput and Latency

آمادگی برای آزمون Exam Preparation

  • استراتژی آزمون و انواع سوالات Exam Strategy and Question Types

  • بررسی سناریوی اول: استقرار و مقیاس‌پذیری Scenario Walkthrough - 1: Serving and Scaling

  • بررسی سناریوی دوم: استقرار و مقیاس‌پذیری Scenario Walkthrough - 2: Serving and Scaling

نمایش نظرات

آموزش استقرار و مقیاس‌پذیری مدل‌ها (GCP-PMLE)
جزییات دوره
2h 0m
26
(آخرین آپدیت)
1
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Abhishek Kumar Abhishek Kumar

مشاور زیرساخت. مربی در Udemy.