لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشینی در سازمان
Machine Learning in the Enterprise
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره شامل یک رویکرد عملی در دنیای واقعی به گردش کار ML است: یک رویکرد مطالعه موردی که یک تیم ML را با چندین مورد نیاز کسب و کار ML و موارد استفاده ارائه می دهد. این دوره شامل یک رویکرد عملی در دنیای واقعی به گردش کار ML است: مطالعه موردی رویکردی که یک تیم ML را با چندین مورد نیاز تجاری و موارد استفاده ML ارائه می دهد. این تیم باید ابزارهای مورد نیاز برای مدیریت و مدیریت داده ها را درک کند و بهترین رویکرد را برای پیش پردازش داده ها در نظر بگیرد: از ارائه یک نمای کلی از Dataflow و Dataprep تا استفاده از BigQuery برای کارهای پیش پردازش. این تیم با سه گزینه برای ساخت مدل های یادگیری ماشینی برای دو مورد خاص ارائه شده است. این دوره توضیح می دهد که چرا تیم از AutoML، BigQuery ML یا آموزش سفارشی برای دستیابی به اهداف خود استفاده می کند. در این دوره آموزشی عمیق تر به آموزش سفارشی ارائه شده است. ما الزامات آموزشی سفارشی را از ساختار کد آموزشی، ذخیره سازی و بارگذاری مجموعه داده های بزرگ تا صدور یک مدل آموزش دیده را توضیح می دهیم.
شما یک مدل یادگیری ماشینی سفارشی خواهید ساخت که به شما امکان میدهد با دانش کمی از Docker یک تصویر ظرف بسازید.
تیم مطالعه موردی تنظیم هایپرپارامتر را با استفاده از Vertex Vizier و نحوه استفاده از آن برای بهبود عملکرد مدل بررسی می کند. برای درک بیشتر در مورد بهبود مدل، کمی به تئوری می پردازیم: در مورد منظم سازی، برخورد با پراکندگی، و بسیاری از مفاهیم و اصول ضروری دیگر بحث می کنیم. ما با مروری بر پیشبینی و نظارت مدل و نحوه استفاده از Vertex AI برای مدیریت مدلهای ML پایان میدهیم
سرفصل ها و درس ها
معرفی
Introduction
معرفی دوره
Course introduction
آشنایی با گردش کار ML Enterprise
Understanding the ML Enterprise Workflow
معرفی
Introduction
مروری بر گردش کار سازمانی ML
Overview of an ML enterprise workflow
منابع: درک گردش کار ML Enterprise
Resources: Understanding the ML Enterprise Workflow
داده ها در شرکت
Data in the Enterprise
معرفی
Introduction
فروشگاه ویژگی
Feature Store
کاتالوگ داده ها
Data Catalog
دیتاپلکس
Dataplex
مرکز تجزیه و تحلیل
Analytics Hub
گزینه های پیش پردازش داده ها
Data preprocessing options
Dataprep
Dataprep
مقدمه آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Dataprep
Lab intro: Exploring and Creating an Ecommerce Analytics Pipeline with Dataprep
Pluralsight: شروع به کار با GCP و Qwiklabs
Pluralsight: Getting Started with GCP and Qwiklabs
آزمایشگاه: کاوش و ایجاد خط لوله تجزیه و تحلیل تجارت الکترونیک با Cloud Dataprep نسخه 1.5
Lab: Exploring and Creating an Ecommerce Analytics Pipeline with Cloud Dataprep v1.5
منابع: داده ها در سازمان
Resources: Data in the Enterprise
علم یادگیری ماشین و آموزش سفارشی
Science of Machine Learning and Custom Training
معرفی
Introduction
هنر و علم یادگیری ماشینی
The art and science of machine learning
تمرین را سریعتر کنید
Make training faster
زمان استفاده از آموزش سفارشی
When to use custom training
الزامات و وابستگی های آموزشی (قسمت 1)
Training requirements and dependencies (part 1)
الزامات و وابستگی های آموزشی (قسمت 2)
Training requirements and dependencies (part 2)
آموزش مدل های سفارشی ML با استفاده از Vertex AI
Training custom ML models using Vertex AI
معرفی آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده
Lab intro: Vertex AI: Custom Training Job and Prediction Using Managed Datasets
آزمایشگاه: Vertex AI: کار آموزشی سفارشی و پیش بینی با استفاده از مجموعه داده های مدیریت شده
Lab: Vertex AI: Custom Training Job and Prediction Using Managed Datasets
منابع: علم یادگیری ماشین و آموزش سفارشی
Resources: Science of Machine Learning and Custom Training
منابع: علم یادگیری ماشین
Resources: The Science of Machine Learning
پیش بینی و نظارت بر مدل با استفاده از Vertex AI
Prediction and Model Monitoring Using Vertex AI
معرفی
Introduction
پیش بینی با استفاده از Vertex AI
Predictions using Vertex AI
آزمایشگاه: Vertex SDK: مدلهای رگرسیون جدولی آموزش سفارشی برای پیشبینی و توضیح آنلاین
Lab: Vertex SDK: Custom Training Tabular Regression Models for Online Prediction and Explainability
مدیریت مدل با استفاده از Vertex AI
Model management using Vertex AI
معرفی آزمایشگاه: رصد مدل AI Vertex
Lab intro: Vertex AI Model Monitoring
آزمایشگاه: مانیتورینگ مدل AI Vertex
Lab: Monitoring Vertex AI Model
منابع: پیش بینی و نظارت بر مدل با استفاده از Vertex AI
Resources: Prediction and Model Monitoring Using Vertex AI
خطوط لوله AI Vertex
Vertex AI Pipelines
معرفی
Introduction
پیش بینی با استفاده از خطوط لوله Vertex AI
Prediction using Vertex AI pipelines
معرفی آزمایشگاه: Pipelines Vertex AI
Lab intro: Vertex AI Pipelines
معرفی و بررسی آزمایشگاه: خط لوله Vertex AI
Lab Introduction and Walkthrough: Vertex AI pipeline
آزمایشگاه: مقدمه ای بر خطوط لوله ورتکس
Lab: Introduction to Vertex Pipelines
آزمایشگاه: اجرای خطوط لوله بر روی Vertex AI 2.5
Lab: Running Pipelines on Vertex AI 2.5
منابع: Pipelines Vertex AI
Resources: Vertex AI Pipelines
بهترین روش ها برای توسعه ML
Best Practices for ML Development
معرفی
Introduction
بهترین شیوه ها برای استقرار و سرویس دهی مدل
Best practices for model deployment and serving
بهترین روش ها برای نظارت بر مدل
Best practices for model monitoring
بهترین شیوه های خط لوله Vertex AI
Vertex AI pipeline best practices
بهترین شیوه ها برای سازماندهی مصنوعات
Best practices for artifact organization
منابع: بهترین روش ها برای توسعه ML در Vertex AI
Resources: Best Practices for ML Development on Vertex AI
خلاصه دوره
Course Summary
خلاصه
Summary
منبع: تمام سوالات مسابقه
Resource: All quiz questions
منابع: همه مطالب خوانده شده
Resources: All readings
منبع: همه اسلایدها
Resource: All slides
خلاصه سریال
Series Summary
خلاصه سریال
Series summary
منبع: خلاصه بهترین شیوه ها
Resource: Best practices summary
Google Cloud آموزش و گواهینامه های درخواستی را در فناوری های ابری در حال ظهور ارائه می دهد.
Google Cloud با صدها آزمایشگاه، دوره و نشان مهارت، متخصصان را قادر میسازد تا مهارتهای ابری حیاتی را با سرعت خودشان ایجاد کنند. آزمایشگاههای عملی این شرکت اعتبارنامههای موقتی را به منابع واقعی ابر ارائه میدهند، بنابراین افراد میتوانند Google Cloud را با استفاده از چیز واقعی یاد بگیرند. فراگیران همچنین می توانند با کسب گواهینامه های Google Cloud و/یا نشان های مهارتی که می توانند با شبکه خود به اشتراک بگذارند، تخصص خود را تأیید کنند.
نمایش نظرات