نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
پلتفرم مبتنی بر ابر مایکروسافت Azure چندین سرویس هوش مصنوعی مانند AzureML Compute Cluster ، Azure HDInsight ، Azure Databricks ، Azure DevOps را ارائه می دهد. در این دوره شما یاد خواهید گرفت که چگونه طراحی ، استقرار و بهینه سازی برنامه های ساخته شده با ... پلت فرم مبتنی بر ابر Microsoft Azure دارای چندین سرویس هوش مصنوعی است که می تواند برای آموزش مدل شما برای مجموعه داده های بزرگ و همچنین برای استقرار مدل شما به عنوان یک سرویس وب در این دوره ، بهینه سازی Microsoft Azure AI Solutions ، شما دانش بنیادی در مورد نحوه آموزش مدل های یادگیری ماشین خود را با استفاده از خدمات Azure مانند AzureML Compute Cluster ، Azure HDInsight ، Azure Databricks و Azure Data Science مجازی یاد خواهید گرفت. در مرحله بعدی ، با استفاده از سرویس ذخیره سازی لکه Azure Premium و قالب های داده ای مانند Pickle و Parquet ، خواهید فهمید که چگونه فضای ذخیره سازی خود را بهینه کنید. سرانجام ، شما خواهید آموخت که چگونه مدل های یادگیری ماشین خود را مقیاس بندی کنید و چرخه زندگی یادگیری ماشین پایان به پایان را با استفاده از اصل MLOps مدیریت کنید. پس از اتمام این دوره ، مهارت و دانش اصلی خدمات هوش مصنوعی Mircosoft Azure مورد نیاز برای طراحی ، استقرار و بهینه سازی مدل خود را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
بهینه سازی خدمات اصلی
Optimizing Core Services
-
معرفی ماژول
Module Introduction
-
انواع هدف را محاسبه کنید
Compute Target Types
-
تنظیم مرحله
Setting the Stage
-
گروه تأمین منابع در لاجوردی
Provision Resource Group in Azure
-
فضای کاری تهیه شده در لاجوردی
Provision Workspace in Azure
-
محاسبه ابر محلی ارائه دهید
Provision Local Cloud Compute
-
DSVM: تهیه یک ماشین مجازی
DSVM: Provision a Virtual Machine
-
DSVM: ضمیمه به عنوان محاسبه هدف
DSVM: Attach as Compute Target
-
DSVM: یک مدل را آموزش دهید
DSVM: Train a Model
-
Azure HDInsight: تهیه یک خوشه
Azure HDInsight: Provision a Cluster
-
Azure HDInsight: ضمیمه به عنوان محاسبه هدف
Azure HDInsight: Attach as Compute Target
-
Azure HDInsight: یک مدل را آموزش دهید
Azure HDInsight: Train a Model
-
Azure Databricks: تهیه و پیوست به عنوان هدف محاسبه
Azure Databricks: Provision and Attach as Compute Target
-
محاسبه AML: ارائه یک مدل یادگیری عمیق
AML Compute: Provision and Train a Deep Learning Model
-
خلاصه
Summary
بهینه سازی ذخیره سازی و ورود به سیستم
Optimizing Storage and Logging
-
معرفی ماژول
Module Introduction
-
بهینه سازی قالب های ذخیره سازی و داده ها
Optimizing Storage and Data Formats
-
قابلیت ورود به سیستم
Enabling Logging Capabilities
-
نسخه ی نمایشی: پیگیری معیارها و ورود به سیستم در AzureML Compute
Demo: Track Metrics and Logs in AzureML Compute
بهینه سازی استقرارها و عملیات
Optimizing Deployments and Operations
-
مقدمه
Introduction
-
چالش های فعلی
Current Challenges
-
MLOps چیست؟
What Is MLOps?
-
مزایای MLOps
Benefits of MLOps
-
MLO در لاجورد
MLOps in Azure
-
نسخه ی نمایشی: با استفاده از Azure MLOps را پیاده سازی کنید
Demo: Implement MLOps Using Azure
-
ساخت: ایجاد پروژه و مخزن
Build: Create Project and Repository
-
ساخت: خط لوله لاجوردی ایجاد کنید
Build: Create Azure Pipeline
-
ساخت: محیط تأمین ، گروه منابع و فضای کاری
Build: Provision Environment, Resource Group, and Workspace
-
ساخت: بررسی کیفیت داده ها را انجام دهید
Build: Perform Data Quality Checks
-
ساخت: آموزش ، ارزیابی ، آزمایش و مدل امتیاز
Build: Train, Evaluate, Test, and Score Model
-
ساخت: انتشار مصنوعات
Build: Publish Artifacts
-
مرحله ساخت را اجرا کنید
Execute the Build Phase
-
انتشار: Prepod و Prod Environment در ACS
Release: Prepod and Prod Environment on ACS
-
آموزش مجدد: برنامه ریزی و راه اندازی کنید
Retrain: Schedule and Trigger
-
خلاصه
Summary
نمایش نظرات