لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش (GCP-PMLE) همکاری درونتیمی و بینتیمی برای مدیریت دادهها و مدلها
- آخرین آپدیت
دانلود (GCP-PMLE) Collaborating within and across Teams to Manage Data and Models
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مدیریت دادهها و مدلهای یادگیری ماشین (ML) در محیطهای تیمی نیازمند ابزارها و گردش کارهای مناسب برای تضمین ثبات، امنیت و قابلیت بازتولید است. در این دوره آموزشی با عنوان (GCP-PMLE) همکاری درونتیمی و بینتیمی برای مدیریت دادهها و مدلها، شما توانایی سازماندهی و پیشپردازش بهینه دادهها برای آموزش مدلهای ML را در حالی که همکاری تیمی را تسهیل میکنید، کسب خواهید کرد. ابتدا بررسی میکنید که چگونه انواع مختلف دادهها را در سرویسهای ذخیرهسازی گوگل کلاود سازماندهی کنید، مجموعهدادهها را در Vertex AI مدیریت نمایید و خط لولههای پیشپردازش را با استفاده از Dataflow و BigQuery پیادهسازی کنید. سپس، نحوه ساخت نمونه اولیه (Prototype) مدلها را با استفاده از نوتبوکهای Jupyter در گوگل کلاود، انتخاب بکاند مناسب بر اساس نیازها و بهکارگیری بهترین شیوههای امنیتی خواهید آموخت. در نهایت، یاد میگیرید که چگونه آزمایشهای ML را با استفاده از Vertex AI Experiments ردیابی و اجرا کنید، راهکارهای هوش مصنوعی مولد (Generative AI) را ارزیابی نمایید و از مدلهای پایه در Model Garden بهره ببرید. پس از اتمام این دوره، شما مهارتها و دانش لازم برای مدیریت موثر دادهها و مدلها در محیطهای مشارکتی ML در گوگل کلاود را به دست خواهید آورد.
سرفصل ها و درس ها
آمادهسازی و ایمنسازی مجموعهدادههای یادگیری ماشین
Preparing and Securing Your ML Datasets
سازماندهی و مدیریت دادهها در Vertex AI
Organizing and Managing Data in Vertex AI
پیشپردازش دادهها در مقیاس بزرگ
Data Preprocessing at Scale
مدیریت ویژگیها و ملاحظات حریم خصوصی
Feature Management and Privacy Considerations
شتاببخشی به توسعه و ساخت نمونه اولیه مدل
Accelerating Model Development and Prototyping
انتخاب و ایمنسازی محیط Jupyter
Selecting and Securing Your Jupyter Environment
توسعه مدلها و مدیریت کد
Developing Models and Managing Code
بررسی و کاوش در Model Garden
Exploring the Model Garden
ردیابی آزمایشها و ارزیابی راهکارهای هوش مصنوعی
Tracking Experiments and Evaluating AI Solutions
محیطهای مناسب برای آزمایشهای یادگیری ماشین
Environments for ML Experimentation
ارزیابی هوش مصنوعی مولد
Evaluating Generative AI
آمادگی برای آزمون
Exam Preparation
آمادگی آزمون: سازماندهی و پیشپردازش دادهها
Exam Prep: Data Organization and Preprocessing
آمادگی آزمون: ساخت نمونه اولیه مدل
Exam Prep: Model Prototyping
آمادگی آزمون: آزمایش و ارزیابی
Exam Prep: Experimentation and Evaluation
متخصص فناوری اطلاعات با مدرک دکترا در شبکه های تعریف شده با نرم افزار و گواهینامه های ابری حرفه ای از AWS، Azure، و Google Cloud. با پیشینه ای از توسعه نرم افزار و مهندسی سیستم تا پیش فروش و خدمات حرفه ای برای مهاجرت های ابری، تجربه ای در زمینه زیرساخت های ابری ترکیبی، معماری و طراحی ابری، زیرساخت به عنوان کد (IaC) و همچنین شیوه های Agile/DevOps کسب کرده ام. .
نمایش نظرات