آموزش سیستم‌های یادگیری ماشین در محیط عملیاتی (Production) - آخرین آپدیت

مقدمه‌ای بر یادگیری ماشین پیشرفته در گوگل کلاود Introduction to Advanced Machine Learning on Google Cloud

• تخصص: یادگیری ماشین پیشرفته در گوگل کلاود Specialization: Advanced Machine Learning on Google Cloud

• خوش‌آمدگویی Welcome

معماری سیستم‌های یادگیری ماشین عملیاتی Architecting Production ML Systems

• معماری سیستم‌های یادگیری ماشین Architecting ML systems

• استخراج، تحلیل و آماده‌سازی داده‌ها Data extraction, analysis, and preparation

• آموزش، ارزیابی و اعتبارسنجی مدل Model training, evaluation, and validation

• مدل آموزش‌دیده، سرویس پیش‌بینی و مانیتورینگ عملکرد Trained model, prediction service, and performance monitoring

• تصمیمات طراحی آموزش Training design decisions

• تصمیمات طراحی سرویس‌دهی (Serving) Serving design decisions

• طراحی از نقطه صفر Designing from scratch

• استفاده از Vertex AI Using Vertex AI

• مقدمه آزمایشگاه: پیش‌بینی داده‌های ساختاریافته Lab Introduction: Structured data prediction

طراحی سیستم‌های یادگیری ماشین تطبیق‌پذیر Designing Adaptable ML Systems

• مقدمه Introduction

• تطبیق با داده‌ها Adapting to data

• تغییرات توزیع داده‌ها Changing distributions

• آزمایشگاه: تطبیق با داده‌ها Lab: Adapting to data

• تصمیمات درست و غلط Right and wrong decisions

• شکست سیستم System failure

• رانش مفهوم (Concept Drift) Concept drift

• اقداماتی برای کاهش رانش مفهوم Actions to mitigate concept drift

• اعتبارسنجی داده‌ها در تنسورفلو (TFDV) TensorFlow data validation

• اجزای اعتبارسنجی داده‌های تنسورفلو Components of TensorFlow data validation

• مقدمه آزمایشگاه: آشنایی با TensorFlow Data Validation Lab Introduction: Introduction to TensorFlow data validation

• مقدمه آزمایشگاه: بصری‌سازی پیشرفته با TFDV Lab Introduction: Advanced visualizations with TensorFlow data validation

• کاهش انحراف آموزش-سرویس‌دهی از طریق طراحی Mitigating training-serving skew through design

• عیب‌یابی مدل در محیط عملیاتی Diagnosing a production model

طراحی سیستم‌های یادگیری ماشین با کارایی بالا Designing High-Performance ML Systems

• مقدمه Introduction

• آموزش (Training) Training

• پیش‌بینی‌ها (Predictions) Predictions

• چرا به آموزش توزیع‌شده نیاز داریم؟ Why distributed training is needed

• معماری‌های آموزش توزیع‌شده Distributed training architectures

• استراتژی‌های آموزش توزیع‌شده در تنسورفلو TensorFlow distributed training strategies

• استراتژی Mirrored Mirrored strategy

• استراتژی MultiWorkerMirrored Multi-worker mirrored strategy

• استراتژی TPU TPU strategy

• استراتژی Parameter Server Parameter server strategy

• مقدمه آزمایشگاه: آموزش توزیع‌شده با Keras Lab Introduction: Distributed training with Keras

• آموزش روی مجموعه‌داده‌های بزرگ با tf.data API Training on large datasets with tf.data API

• مقدمه آزمایشگاه: خط لوله‌های داده سریع با TPU Lab introduction: TPU-speed data pipelines

• استنتاج (Inference) Inference

ساخت سیستم‌های یادگیری ماشین ترکیبی (Hybrid) Building Hybrid ML Systems

• مقدمه Introduction

• یادگیری ماشین در ابر ترکیبی (Hybrid Cloud) Machine Learning on Hybrid Cloud

• کوب‌فلو (KubeFlow) KubeFlow

• مقدمه آزمایشگاه: خط لوله‌های Kubeflow با AI Platform Lab Introduction: Kubeflow Pipelines with AI Platform

• تنسورفلو لایت (TensorFlow Lite) TensorFlow Lite

• بهینه‌سازی تنسورفلو برای موبایل Optimizing TensorFlow for mobile

• جمع‌بندی Summary

جمع‌بندی Summary

• خلاصه دوره Course summary