آموزش یادگیری ماشین کاربردی در Databricks - آخرین آپدیت

دانلود Practical Machine Learning on Databricks

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تیم‌های یادگیری ماشین امروزی باید گردش‌کارهای مقیاس‌پذیر و آماده تولیدی بسازند که به‌طور یکپارچه از مرحله آزمایش به استقرار و نظارت منتقل شوند. این دوره یک معرفی کاربردی از یادگیری ماشین در Databricks ارائه می‌دهد و به متخصصان کمک می‌کند تا از ابزارهای مدرنی مانند AutoML، MLflow، Feature Store و استقرار بدون سرور (Serverless) برای بهینه‌سازی عملیات ML و تسریع نتایج کسب‌وکار بهره ببرند. از طریق مثال‌های عملی و سناریوهای واقعی، خواهید آموخت که چگونه مدل‌های پایه ایجاد کنید، گردش‌کارهای مهندسی ویژگی (Feature Engineering) را مدیریت کنید، خط لوله‌های ML را خودکار سازید و مدل‌ها را به‌طور بهینه با استفاده از Databricks مستقر کنید. این دوره همچنین به بررسی نسخه‌بندی مدل، ارکستراسیون گردش‌کار، اتوماسیون CI/CD و شناسایی رانش مدل (Model Drift) می‌پردازد تا به شما در حفظ سیستم‌های یادگیری ماشین قابل اعتماد و مقیاس‌پذیر در محیط‌های تولید کمک کند. آنچه این دوره را متمایز می‌کند، تمرکز شدید بر پیاده‌سازی عملی با استفاده از ابزارها و گردش‌کارهای بومی Databricks است. با ترکیب مفاهیم بنیادی ML با استراتژی‌های استقرار و اتوماسیون در سطح سازمانی، این دوره شما را آماده می‌کند تا با اعتمادبه‌نفس با چالش‌های مدرن MLOps و مهندسی یادگیری ماشین مقابله کنید. این دوره برای دانشمندان داده، مهندسان ML، مهندسان داده و توسعه‌دهندگانی که به دنبال انتقال به گردش‌کارهای یادگیری ماشین مبتنی بر Databricks هستند، ایده‌آل است. یادگیرندگان باید تجربه قبلی در زبان پایتون، مفاهیم یادگیری ماشین و آشنایی با مبانی Apache Spark داشته باشند.

سرفصل ها و درس ها

فرآیند و چالش‌های یادگیری ماشین ML Process and Challenges

  • مرور کلی Overview

مروری بر یادگیری ماشین در Databricks Overview of ML on Databricks

  • مرور کلی Overview

بهره‌برداری از Feature Store Utilizing Feature Store

  • مرور کلی Overview

درک اجزای MLflow Understanding MLflow Components

  • مرور کلی Overview

ایجاد مدل پایه برای پیش‌بینی ریزش مشتریان بانک با استفاده از AutoML Create a Baseline Model for Bank Customer Churn Prediction Using AutoML

  • مرور کلی Overview

نسخه‌بندی مدل و وبهوک‌ها Model Versioning and Webhooks

  • مرور کلی Overview

روش‌های استقرار مدل Model Deployment Approaches

  • مرور کلی Overview

خودکارسازی گردش‌کارهای ML با استفاده از Databricks Jobs Automating ML Workflows Using the Databricks Jobs

  • مرور کلی Overview

شناسایی رانش مدل و بازآموزی برای مدل پیش‌بینی ریزش Model Drift Detection for Our Churn Prediction Model and Retraining

  • مرور کلی Overview

استفاده از CI/CD برای خودکارسازی بازآموزی و استقرار مجدد مدل CI/CD to Automate Model Retraining and Re-Deployment.

  • مرور کلی Overview

نمایش نظرات

آموزش یادگیری ماشین کاربردی در Databricks
جزییات دوره
6h 42m
10
(آخرین آپدیت)
57
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده