آموزش ملزومات MLOps: استقرار و نظارت مدل

مقدمه Introduction

• شروع کار با MLOs Getting started with MLOps

• پوشش دوره Course coverage

• بررسی چرخه حیات MLOps Review of MLOps lifecycle

1. تحویل مداوم 1. Continuous Delivery

• تنظیم تولید ML An ML production setup

• خطوط لوله استقرار Deployment pipelines

• استراتژی های استقرار Deployment rollout strategies

• برنامه ریزی برای زیرساخت ها Planning for infrastructure

• بهترین شیوه های استقرار Deployment best practices

• ابزار و فن آوری برای استقرار Tools and technologies for deployment

• امتحان فصل Chapter Quiz

2. مدل سرویس 2. Model Serving

• الگوهای سرو را مدل کنید Model serving patterns

• سرویس مدل مقیاس بندی Scaling model serving

• ایجاد تاب آوری در خدمت Building resiliency in serving

• ارائه چندین مدل Serving multiple models

• ابزار و فن آوری برای خدمت Tools and technologies for serving

• امتحان فصل Chapter Quiz

3. نظارت مستمر 3. Continuous Monitoring

• خط لوله نظارت The monitoring pipeline

• ابزار برای مشاهده Instrumentation for observability

• معیارهایی برای نظارت Metrics to monitor

• بهترین شیوه های تولید داده های ML ML production data best practices

• هشدارها و آستانه های ML Alerts and thresholds for ML

• ابزار و فن آوری برای نظارت Tools and technologies for monitoring

• امتحان فصل Chapter Quiz

4. مدیریت دریفت 4. Drift Management

• مقدمه ای بر مدل دریفت Introduction to model drift

• مبانی دریفت مفهومی Concept drift basics

• مدیریت رانش مفهومی Managing concept drift

• اصول اولیه دریفت ویژگی Feature drift basics

• مدیریت دریفت ویژگی Managing feature drift

• امتحان فصل Chapter Quiz

5. هوش مصنوعی مسئول 5. Responsible AI

• عناصر هوش مصنوعی مسئول Elements of responsible AI

• هوش مصنوعی قابل توضیح Explainable AI

• انصاف در ML Fairness in ML

• امنیت دارایی های ML Security of ML assets

• حریم خصوصی در یادگیری ماشینی Privacy in machine learning

• امتحان فصل Chapter Quiz

نتیجه Conclusion

• ادامه با MLOps Continuing on with MLOps