آموزش استقرار (دیپلوی) برنامههای پایتون در گوگل کلود پلتفرم - آخرین آپدیت
دانلود Deploying Python Applications on Google Cloud Platform
از آموزش تا ابر: استقرار مدلهای یادگیری ماشین در GCP با پایتون
یادگیری پیادهسازی مدلهای یادگیری ماشین در محیط عملیاتی، یک مهارت حیاتی برای دانشمندان داده است که میخواهند از تحلیلهای تئوری فراتر رفته و تاثیر تجاری عملی ایجاد کنند. در حالی که ساخت مدلها ضروری است، این مرحلهی استقرار است که به این راهکارها جان میبخشد، آنها را برای کاربران نهایی در دسترس قرار داده و در سیستمهای دنیای واقعی ادغام میکند. تسلط بر این مرحله به دانشمندان داده امکان میدهد تا از مقیاسپذیری راهکارهای خود اطمینان حاصل کنند، عملکرد را در محیطهای پویا نظارت کرده و به طور موثر با تیمهای توسعه و عملیات همکاری کنند. علاوه بر این، درک چرخه کامل - از آموزش تا استقرار ابری - ارتباط حرفهای را افزایش میدهد و دانشمندان داده را به عنوان بازیکنان استراتژیک معرفی میکند که قادر به ارائه ارزش ملموس از مفهوم تا بهرهبرداری هستند.
این دوره مقدماتی برای توسعهدهندگان، علاقهمندان به یادگیری ماشین و متخصصان داده طراحی شده است که میخواهند نحوه استقرار اولین برنامههای هوش مصنوعی خود را در وب با استفاده از Google Cloud Platform (GCP) یاد بگیرند. از طریق یک رویکرد عملی، از آموزش یک شبکه عصبی کانولوشن (CNN) برای طبقهبندی تصویر تا استقرار مدل در سرویسهای ابری مقیاسپذیر راهنمایی خواهید شد. این دوره شامل معرفی سرویسهای کلیدی GCP مانند Google Compute Engine (GCE)، App Engine (GAE)، Kubernetes Engine (GKE)، Cloud Run و Cloud Functions است که به شما امکان میدهد بهترین گزینه را برای پروژه خود مقایسه و انتخاب کنید.
در مرحله اول، محیط محلی خود را تنظیم خواهید کرد: کتابخانهها (مانند TensorFlow/Keras) را وارد میکنید، مدل CNN خود را آموزش داده و ارزیابی میکنید و یک برنامه پایتون ساده برای ادغام با مدل آموزشدیده ایجاد میکنید. در مرحله بعد، یاد خواهید گرفت که چگونه GCP را پیکربندی کرده و در سرویسهای مختلف مستقر کنید.
مناسب برای مبتدیان رایانش ابری و متخصصانی که به دنبال قرار دادن مدلهای یادگیری ماشین در محیط عملیاتی هستند. در پایان، شما یک برنامه کاربردی وب کاربردی برای طبقهبندی تصویر در ابر مستقر کردهاید و بر چرخه توسعه کامل - از آموزش مدل تا استقرار در سرویسهای حرفهای گوگل - تسلط خواهید یافت.
پیش نیازها:
- آشنایی اولیه با پایتون و یادگیری ماشین (تجربه قبلی با شبکههای عصبی یک مزیت است)
- آشنایی با مفاهیم توسعه وب (اختیاری اما توصیه میشود)
خدمات کلیدی پلتفرم: Google Compute Engine (GCE)، App Engine (GAE)، Kubernetes Engine (GKE)، Cloud Run و Cloud Functions
تعیین مناسبترین سرویس برای هر نوع برنامه کاربردی.
آموزش و ارزیابی یک مدل CNN، شامل ایجاد یک پروژه پایتون به صورت محلی که آماده استقرار باشد.
برنامه یادگیری ماشین خود را در چندین سرویس GCP مستقر کنید، یاد بگیرید که محیطها را پیکربندی کرده و منابع را مدیریت کنید.
با پاکسازی صحیح منابع پس از استقرار، از هزینههای غیرضروری جلوگیری کنید.
مقدمه Introduction
-
محتوای دوره Course content
-
مواد آموزشی دوره Course materials
-
اصطلاحات فنی Technical terms
-
سرویسهای پلتفرم ابری گوگل ۱ Google Cloud Platform services 1
-
سرویسهای پلتفرم ابری گوگل ۲ Google Cloud Platform services 2
آمادهسازی برنامه Preparing the application
-
وارد کردن کتابخانهها Importing the libraries
-
بارگیری مجموعه داده Loading the dataset
-
ایجاد و آموزش مدل Creating and training the model
-
ارزیابی مدل Model evaluation
-
ایجاد یک پروژه محلی Creating a local project
-
ایجاد یک برنامه پایتون ۱ Creating a Python app 1
-
ایجاد یک برنامه پایتون ۲ Creating a Python app 2
استقرار برنامه پایتون بر روی GCP Deploying Python app on GCP
-
آمادهسازی پلتفرم ابری گوگل Preparing Google Cloud Platform
-
استقرار بر روی Google Compute Engine (GCE) ۱ Deploy on Google Compute Engine (GCE) 1
-
استقرار بر روی Google Compute Engine (GCE) ۲ Deploy on Google Compute Engine (GCE) 2
-
تست GCE Test GCE
-
استقرار بر روی Google App Engine (GAE) Deploy on Google App Engine (GAE)
-
تست GAE Test GAE
-
استقرار بر روی Google Kubernetes Engine (GKE) Deploy on Google Kubernetes Engine (GKE)
-
تست GKE Test GKE
-
استقرار بر روی Cloud Run Deploy on Cloud Run
-
تست Cloud Run Test Cloud Run
-
استقرار بر روی Cloud Run Functions Deploy on Cloud Run Functions
-
تست Cloud Run Functions Test Cloud Run Functions
-
جلوگیری از هزینهها: پاکسازی محیط Avoid charges: cleaning the environment
سخنان پایانی Final remarks
-
سخنان پایانی Final remarks
-
جایزه BONUS
![آموزش آزمون AWS Cloud Practitioner [100٪ تضمین]](https://donyad.com/course/getimg/bc70da16-387e-42cd-bb43-cccd16d384a3.jpg "آموزش آزمون AWS Cloud Practitioner [100٪ تضمین]")
https://donyad.com/d/fa7e3a
Jones Granatyr
استاد اولا! 10 مورد از جونز گراناتیر و ترابیلو در 10 سال گذشته است که شامل Inteligência Artificial (IA) می باشد استاد حرفه ای ، پشکیزادور و بنیانگذار پورتال IA Expert ، وب سایت com conteúdo específico sobre Inteligência Artificial. Desde que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA، como as exemplolo: یادگیری عمیق ، یادگیری ماشین ، علم داده ، Redes Neurais Artificiais، Algoritmos Genéticos، Detecção e Reconhecimento Facial، Algoritmos de cesos، Busca ، Mineração de Regras de Associação ، Sistemas Especialistas e Sistemas de Recomendação. اگر بخواهید از طریق برنامه های مختلف زبان (Python ، R e Java) و یا فن آوری های مختلف (tensorflow ، keras ، pandas ، sklearn ، opencv ، dlib ، weka ، nltk ، به عنوان مثال) استفاده کنید. با توجه به هدف اصلی و دستیابی به اطلاعات IA و مجوز فعالیت در TI و متقاضیان ، به عنوان تجدید نظر در زمینه استفاده از قوانین و مقررات و امکان مشاهده تجدید نظرهای جدید در زمینه مشروبات الکلی ارائه می شود.
AI Expert Academy
مربی
Denny Ceccon
Entusiasta em Data Science
نمایش نظرات