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

نمایش نظرات

آموزش (GCP-PMLE) همکاری درون‌تیمی و بین‌تیمی برای مدیریت داده‌ها و مدل‌ها
جزییات دوره
1h 20m
11
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Victor Dantas
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Victor Dantas Victor Dantas

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. .