آموزش آمادگی گواهی مهندسی یادگیری ماشین حرفه‌ای Google Cloud: 6 راه‌حل‌های نظارت، بهینه‌سازی و نگهداری ML
Google Cloud Professional Machine Learning Engineer Cert Prep: 6 Monitoring, Optimizing, and Maintaining ML Solutions
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
گواهینامه مهندس حرفه‌ای یادگیری ماشین Google به کارفرمایان بالقوه اجازه می‌دهد بدانند که شما دانش طراحی، ساخت و تولید مدل‌های یادگیری ماشین برای حل چالش‌های تجاری با استفاده از فناوری‌های Google Cloud و دانش مدل‌ها و تکنیک‌های ML اثبات شده را دارید.
در این ششمین و آخرین دوره از این مجموعه، هدیه نوح نظارت، بهینه سازی و نگهداری راه حل های ML را پوشش می دهد. نوح با موضوع کلیدی جابجایی داده ها و تأثیر آن بر عملکرد مدل شروع می کند. او نسخه‌های نمایشی را برای راه‌حل‌های ML مانند ممیزی، ورود به سیستم، اسکنرهای امنیت وب ابری و غیره ارائه می‌کند. نوح همچنین روش "پنج چرا" حل مسئله و اینکه چرا روشی موثر برای رفع اشکال است را توضیح می دهد.
سرفصل ها و درس ها
معرفی Introduction
-
بررسی اجمالی Overview
-
دوره شش اصطلاحات کلیدی Course six key terminology
1. راه حل های ML 1. ML Solutions
-
انحراف داده ها با مشکل کودک شیطان توضیح داده می شود Data drift explained by naughty child problem
-
تست بارگذاری با Locust Load testing with Locust
-
نسخه ی نمایشی: حسابرسی از طریق سیاهههای مربوط Demo: Auditing via logs
-
نسخه ی نمایشی: داشبورد ورود به سیستم Demo: Logging dashboard
-
نسخه ی نمایشی: اسکنر امنیت وب ابری Demo: Cloud web security scanner
-
نسخه ی نمایشی: پرس و جو خروجی ورود به سیستم با BigQuery Demo: Querying logging output with BigQuery
-
نسخه ی نمایشی: تست بار با Rust Demo: Load testing with Rust
-
پنج چرا Five whys
-
استفاده از Google Courses Using Google Courses
-
مترجم Building Rust HuggingFace Building Rust HuggingFace Translator
-
با استفاده از انتشار پایدار PyTorch Rust Using PyTorch Rust stable diffusion
-
استفاده از Rust با PyTorch Using Rust with PyTorch
-
ساخت تست استرس CUDA GPU Building a CUDA GPU stress test
نتیجه Conclusion
-
مراحل بعدی Next steps
https://donyad.com/d/2fa2e2
Noah Gift
کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO
Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نمایش نظرات