آموزش Docker برای دانشمندان داده

Docker for Data Scientists

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: در زمینه ای که نتایج قابل تکرار آن ضروری است ، داکر به سرعت در حال ظهور به عنوان یکی از ابزارهای برتر برای کارآیی در کار است که تیم های علوم داده - به ویژه کسانی که در یادگیری ماشین (ML) کار می کنند ، انجام می دهند. ایجاد و توسعه مدل های ML اغلب کثیف است. دانشمندان داده های فصلی می دانند که نسخه های مختلف یک نرم افزار می تواند نتایج متفاوتی ایجاد کند. با استفاده از Docker ، می توانید نسخه های مناسب هر وابستگی و کتابخانه مورد نیاز را وارد کنید ، بنابراین هیچ کس مجبور نیست هرگونه تنظیمات را انجام دهد. پس از ساخت Dockerfile ، دقیقاً همان چیزی را که نیاز دارید خواهید داشت. در این دوره ، Jonathan Fernandes به دانشمندان داده کمک می کند تا با Docker کار کنند و نحوه ساخت یک برنامه Dockerized ML را که به راحتی قابل اشتراک گذاری است ، نشان دهند. در طول راه ، او موارد استفاده مشترک برای این ابزار را به اشتراک می گذارد. با پایان دادن به این دوره ، شما آماده استفاده از قدرت کانتینرها در سایر پروژه های ML خود خواهید بود.
موضوعات شامل:
  • چرا داکر برجسته می شود
  • در حال استفاده از یک کانتینر
  • داکر زیر کاپوت
  • کار با Dockerfiles
  • در حال بارگذاری تصاویر در Docker Hub
  • موارد استفاده معمول برای Docker

سرفصل ها و درس ها

مقدمه Introduction

  • داکر و علوم داده Docker and data science

  • آنچه باید بدانید What you should know

1. آشنایی با داکر 1. Introduction to Docker

  • داکر چیست؟ What is Docker?

  • چرا داکر؟ Why Docker?

  • Docker را نصب کنید Install Docker

  • ویرایشگر متن را نصب کنید Install a text editor

2. کار با داکر 2. Working with Docker

  • با استفاده از تصاویر Using images

  • ظرف را اجرا می کنید Running a container

  • داکر در زیر کاپوت Docker under the hood

3. کار با Dockerfiles 3. Working With Dockerfiles

  • اصول اولیه Dockerfile Dockerfile basics

  • عیب یابی Dockerfiles Troubleshooting Dockerfiles

  • بارگذاری تصاویر در داکر هاب Uploading images to Docker Hub

4- موارد استفاده معمولی 4. Common Use Cases

  • ایجاد یک محیط توسعه مشترک Creating a common development environment

  • به اشتراک گذاشتن نتایج با همکاران Sharing results with colleagues

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش Docker برای دانشمندان داده
جزییات دوره
46m 36s
15
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
8,022
- 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

Jonathan Fernandes Jonathan Fernandes

مشاور متمرکز بر علوم داده ، هوش مصنوعی و داده های بزرگ جاناتان فرناندس برای یک مشاور کار می کند و در درجه اول روی علوم داده ، هوش مصنوعی و داده های بزرگ تمرکز دارد.

جاناتان از کار خود لذت می برد ، زیرا عشق او به اعداد ، کدگذاری و آمار را ترکیبی می کند. جاناتان دارای مدرک کارشناسی علوم کامپیوتر و MBA از دانشگاه وارویک است.