آموزش اصول طراحی برای چارچوب یادگیری ماشین

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

معرفی عملیات یادگیری ماشینی Introducing Machine Learning Operations

• بررسی اجمالی Overview

• MLOps چیست؟ What Is MLOps?

• چرا MLOps واقعا مهم است؟ Why Does MLOps Really Matter?

• بررسی اصول مهم طراحی برای MLOP Exploring Important Design Principles for MLOps

• چرخه حیات یک پروژه یادگیری ماشینی Life Cycle of a Machine Learning Project

• خلاصه Summary

طراحی خطوط لوله داده برای مقیاس پذیری و بهینه سازی Designing Data Pipelines for Scalability and Optimizations

• بررسی اجمالی Overview

• معرفی خطوط لوله یادگیری ماشینی Introducing Machine Learning Pipelines

• چرا خطوط لوله یادگیری ماشین مهم هستند؟ Why Machine Learning Pipelines Are Important

• مراحل مربوط به ایجاد خط لوله داده Steps Involved to Create a Data Pipeline

• Architect Scalable Data Pipelines Architect Scalable Data Pipelines

• بهترین روش ها برای سیستم های بهینه ML Best Practices for Optimized ML Systems

• مطالعه موردی 1: خط لوله یادگیری ماشین برای آزمایش مواد مجازی Case Study 1: Machine Learning Pipeline for Virtual Material Testing

• خلاصه Summary

ارزیابی عملکرد یک سیستم یادگیری ماشینی Evaluating the Performance of a Machine Learning System

• بررسی اجمالی Overview

• ارزیابی عملکرد واقعاً به چه معناست؟ What Does Performance Evaluation Really Mean?

• تأخیر کم و توان عملیاتی بالا را درک کنید Understand Low Latency and High Throughput

• اشکال زدایی و تحمل خطا در سیستم ML Debugging and Fault Tolerance in ML System

• برنامه ریزی و اجرای وظایف در خطوط لوله ML Task Scheduling and Executions in ML Pipelines

• خلاصه Summary