آموزش بوت کمپ نهایی DevOps به MLOps - ساخت پایپ لاین های CI/CD برای یادگیری ماشین - آخرین آپدیت

سرفصل ها و درس ها

درباره این دوره About this Course

• درک پروژه MLOps که در این دوره خواهید ساخت Understand the MLOps Project you will Build in the Course

• عضویت در انجمن RealOps Builders در Discord Join RealOps Builders Community on Discord

مقدمه مفهومی به MLOps Conceptual Introduction to MLOps

• MLOps چیست؟ What is MLOps ?

• داستان تکامل MLOps، LLMOps و AgenticAIOps Story of Evolution of MLOps, LLMOps and AgenticAIOps

• مقایسه سه رویکرد به هوش مصنوعی Comparing Three Approaches to AI

• مطالعات موردی MLOps - یادگیری از پیشگامان MLOps Case Studies – Learning from the Pioneers

• مقایسه DevOps و MLOps Comparing Devops vs MLOps

• ظهور مهندس MLOps Emergence of MLOps Engineer

• مواجهه با شکاف تولید Facing the Production Gap

• چه کسی MLOps را انجام می دهد؟ Who Does MLOps Anyway?

• از MLOps به هوش مصنوعی Agentic From MLOps to Agentic AI

موارد استفاده و تنظیم محیط Use Case and Environment Setup

• مقدمه ماژول Module Intro

• موارد استفاده - پیش بینی کننده قیمت خانه - رگرسیون Use Case - House Price Predictor - Regression

• انشعاب و کلون کردن مخزن Fork and Clone the Repository

• درک شیوه های ML End to End و MLOps Understanding End to End ML Practices and MLOps

• بررسی اجمالی تنظیمات محیط Environment Setup Overview

• راه اندازی Docker / Podman با Compose Setting up Docker / Podman with Compose

• راه اندازی MLflow برای ردیابی آزمایش Launching MLflow for Experiemnt Tracking

• درک دایرکتوری پروژه و Scaffold Understanding the Project Directory and Scaffold

• راه اندازی محیط مجازی پایتون با UV Setting up Python Virtual Environment with UV

• کار با Jupyter Notebooks Working with Jupyter Notebooks

• دانلود راهنمای آزمایشگاه Download the Lab Guide

• آماده برای شروع با محیط MLOps خود هستید Ready to Roll with Your MLOps Environment

• خلاصه Summary

از داده تا مدل - درک علم داده با مهندسی ویژگی و Ex From Data to Models - Understanding Data Science with Feature Engineering and Ex

• مقدمه ماژول Module Intro

• یادگیری مهندسی داده Learning Data Engineering

• تجزیه و تحلیل داده های تجربی Experimental Data Analysis

• درک مفاهیم مهندسی ویژگی Understaing Feature Engineering Concepts

• ساخت ویژگی های جدید برای پیش بینی کننده قیمت خانه Building New Features for House Price Predictor

• آماده سازی برای آزمایش مدل Preparing for Model Experimentation

• تقسیم داده ها با x_train، y_train، x_test، y_test Data Splitting with x_train, y_train, x_test, y_test

• تعریف الگوریتم ها و شبکه های Hyperparameter Defining Algorithms and Hyperparameter Grids

• اجرای آزمایش های مدل برای یافتن بهترین مدل و Hyperparamters Running Model Experiments to find the Best Model and Hyperparamters

• دانلود راهنمای آزمایشگاه Download the Lab Guide

• از داده های خام تا مدل آموزش دیده From Raw Data to Trained Model

• بررسی مبانی MLOps: از ایده تا مدل MLOps Foundations Review: From Idea to Model

• خلاصه ماژول Module Summary

پاداش: درک الگوریتم های اصلی ML Bonus: Understanding the Core ML Algorithms

• مقدمه ماژول Module Intro

• رگرسیون خطی Linear Regression

• رگرسیون لجستیک Logistic Regression

• درخت تصمیم Decision Tree

• جنگل تصادفی Random Forest

• ماشین بردار پشتیبان (SVM) Support Vector Machine (SVM)

• شبکه عصبی Neural Networking

• الگوریتم های Boosting (XGBoost، LightGBM و غیره) Boosting Algorithms (XGBoost, LightGBM etc.)

• مطابقت با مدل! بررسی الگوریتم اصلی ML Match the Model! Core ML Algorithm Review

• خلاصه ماژول Module Summary

بسته بندی مدل به همراه FastAPI Wrapper و Streamlit با کانتینرها Packaging Model along with FastAPI Wrapper and Streamlit with Containers

• مقدمه ماژول Module Intro

• تحویل از دانشمند داده به مهندس ML / MLOps Handover from Data Scientist to ML Engineer / MLOps

• اجرای مهندسی ویژگی و کارهای پیش پردازش Running Feature Engineering and Preprocessing Jobs

• ساخت و آموزش مدل نهایی با Configs از دانشمندان داده Building and Training Final Model with Configs from Data Scientists

• بسته بندی مدل با FastAPI با برنامه های کلاینت Streamlit Wrapping the Model with FastAPI with Streamlit Client Apps

• نوشتن Dockerfile برای بسته بندی مدل با FastAPI Wrapper Writing Dockerfile to package Model with FastAPI Wrapper

• اشکال زدایی و رفع خرابی های تصویر، راه اندازی و اعتبارسنجی FastAPI Debugging and Fixing Image Failures, Launch and Validate FastAPI

• بسته بندی و تست برنامه Streamlit Packaging and testing Streamlit App

• بسته بندی و Model Serving Infra با Docker Compose Packaging and Model Serving Infra with Docker Compose

• دانلود راهنمای آزمایشگاه Download the Lab Guide

• ارسال آن! بسته بندی مدل های ML با Docker Ship It! Packaging ML Models with Docker

• خلاصه Summary

راه اندازی MLOps CI Workflow با GitHub Actions Setting up MLOps CI Workflow with GitHub Actions

• معرفی موله Moule Intro

• DAG ها، GitHub Actions و گردش کار MLOps CI ما DAGs, GitHub Actions and our MLOps CI Workflow

• درک نحو GitHub Actions Understanding GitHub Actions Syntax

• نوشتن یک گردش کار GitHub Actions برای اولین بار Writing an executung out first GitHub Actions Workflow

• اضافه کردن مراحل داده و مهندسی ویژگی با آموزش مدل Adding Data and Feature Engineering Steps with Model Training

• مرحله آموزش مدل با MLFlow برای ردیابی Model Training Step with MLFlow for Tracking

• اضافه کردن مرحله ساخت و انتشار تصویر با Docker Adding Image Build and Publish Step with Docker

• پیکربندی Registry Token و انتشار تصویر به DockerHub Configurating Registry Token and publishing Image to DockerHub

• Modular, Multi Stage MLOps CI Workflow Pipeline Modular, Multi Stage MLOps CI Workflow Pipeline

• دانلود راهنمای آزمایشگاه Download the Lab Guide

• اتوماسیون MLOps با GitHub Actions Automating MLOps with GitHub Actions

• خلاصه Summary

ساخت زیرساخت Prod Inference مقیاس پذیر با Kubernetes Building Scalable Prod Inference Infrastructure with Kubernetes

• مقدمه ماژول Module Intro

• طراحی زیرساخت مقیاس پذیر برای Model Inference Designing Scalable Infrastructure for Model Inference

• مقدمه ای بر Kubernetes برای Machine Learning Introduction to Kubernetes for Machine Learning

• مفاهیم اصلی Kubernetes - Pods، Deployments و Services Kubernetes Core Concepts - Pods, Deployments and Services

• ساده ترین راه برای ساخت یک خوشه Kubernetes 3 نود با KIND Simplest way to build a 3 Node Kubernetes Cluster with KIND

• استقرار برنامه Streamlit Frontent با Kubernetes Deploying Streamlit Frontent App with Kubernetes

• نمایش برنامه Streamlit با سرویس Kubernetes NodePort Exposing the Streamlit App with Kubernetes NodePort Service

• ایجاد سرویس Deployment برای مدل بسته بندی شده در FastAPI Creating Deployment Service for the Model wrapped in FastAPI

• اتصال Streamlit با Model با استفاده از Kubernetes native DNS Based Service Discov Connecting Streamlit with Model using Kubernetes native DNS Based Service Discov

• راه آسان برای تولید Manifets و YAML Kubernetes Easy way to Generate Kubernetes Manifets and YAML

• دانلود راهنمای آزمایشگاه Download the Lab Guide

• مقیاس بندی ML Inference با Kubernetes Scaling ML Inference with Kubernetes

• خلاصه Summary