آموزش اصول MLOps: خطوط لوله CI/CD/CT ML با نسخه نمایشی Azure
MLOps Fundamentals: CI/CD/CT Pipelines of ML with Azure Demo
نکته مهم: هدف از این دوره آموزش اصول MLOps است نه Azure ML. بخش آزمایشی Azure به عنوان مدرکی برای نشان دادن کار یک پروژه MLOps end-to-end گنجانده شده است. با این حال، تمام کدهای مربوط به خط لوله به خوبی توضیح داده شده است.
"MLOps فرهنگی با مجموعه‌ای از اصول، دستورالعمل‌هایی است که در دنیای یادگیری ماشین برای پیاده‌سازی و تولید روان مدل‌های یادگیری ماشین تعریف شده‌اند."
دانشمندان داده مدت‌هاست که مدل‌های یادگیری ماشین را آزمایش کرده‌اند، اما برای ارائه ارزش واقعی کسب‌وکار، باید عملیاتی شوند، یعنی مدل‌ها را به سمت تولید سوق دهند. متأسفانه، به دلیل چالش‌های فعلی و سیستم‌ناپذیری در چرخه عمر ML، 80 درصد از مدل‌ها هرگز به تولید نمی‌رسند و تنها به عنوان یک آزمایش آکادمیک راکد باقی می‌مانند.
عملیات یادگیری ماشین (MLOps)، که به عنوان راه حلی برای این مشکل پدیدار شد، یک فرهنگ جدید در بازار و فضایی است که به سرعت در حال رشد است که شامل همه چیزهایی است که برای استقرار یک مدل یادگیری ماشین در تولید لازم است.
طبق گفتگوهای فناوری در بازار، سال 2023 سال MLOها است و به مجموعه مهارتی برای پروژه های Enterprise ML تبدیل خواهد شد.
چه چیزی در دوره گنجانده شده است؟
MLO مبانی و مبانی اصلی را به کار می گیرد.
چالش‌های مدیریت چرخه زندگی یادگیری ماشین سنتی چه بود.
چگونه MLOps به این مسائل رسیدگی می‌کند و در عین حال انعطاف‌پذیری و اتوماسیون بیشتری را در فرآیند ML ارائه می‌دهد.
استانداردها و اصولی که MLOps بر آن استوار است.
خطوط لوله یکپارچه سازی مداوم (CI)، تحویل مداوم (CD) و آموزش مداوم (CT) در MLOs.
سطوح بلوغ مختلف مرتبط با MLO ها.
مقایسه پشته ابزارهای MLOps و مقایسه پلتفرم های MLOps.
دوره آموزشی خرابی سریع اجزای یادگیری ماشین Azure.
خط لوله CI/CD MLOps سرتاسری برای مطالعه موردی در Azure با استفاده از یادگیری ماشینی Azure DevOps Azure.
معرفی Introduction
-
MLOps چیست؟ What is MLOps
-
چرخه زندگی یادگیری ماشین سنتی - قسمت 1 Traditional Machine Learning Lifecycle - Part 1
-
چرخه زندگی یادگیری ماشین سنتی - قسمت 2 Traditional Machine Learning Lifecycle - Part 2
-
نقش ها و مسئولیت ها در پروژه های ML Roles & Responsibilities in ML projects
چالش های موجود در پروژه های ML موجود Challenges in existing ML projects
-
مشکلات در چرخه زندگی سنتی ML Problems in traditional ML lifecycle
-
فعالیت های مورد نیاز برای تولید مدل ها Activities needed to productionize models
MLOps - یک راه حل MLOps - A solution
-
استانداردها/اصول در MLOps Standards/Principles in MLOps
-
پیاده سازی MLOps MLOps implementation
-
مزایای MLOps Benefits of MLOps
-
تفاوت بین DevOps و MLOps Difference between DevOps & MLOps
سطوح بلوغ در MLOps Maturity levels in MLOps
-
MLOps سطح 0 MLOps level 0
-
MLOps سطح 1 MLOps level 1
-
MLOps سطح 2 MLOps level 2
-
اهمیت سطوح بلوغ Importance of Maturity levels
-
آزمون 1 Quiz 1
MLOps Tools/Platforms Stack MLOps Tools/Platforms Stack
-
ملزومات پلتفرم MLOps MLOps Platform requirements
-
مقایسه پلتفرم های MLOps MLOps Platforms comparison
-
کدام پلتفرم MLOps را انتخاب کنیم؟ Which MLOps Platform to choose?
نسخه ی نمایشی - الزامات پروژه Demo - Project Requirements
-
توجه داشته باشید Note
-
الزامات پروژه Project requirements
استودیوی یادگیری ماشین لاجورد - دوره Crash Azure Machine Learning Studio - Crash course
-
مقدمه ای بر یادگیری ماشینی Azure Introduction to Azure Machine Learning
-
تور رابط کاربری استودیوی یادگیری ماشین Azure Azure Machine learning studio UI Tour
نسخه ی نمایشی - آزمایش دانشمند داده Demo - Data scientist's experiment
-
نوت بوک EDA EDA notebook
-
اتصالات Azure DevOps و Azure ML Azure DevOps & Azure ML connections
-
دفترچه آموزش و ارزشیابی Training & Evaluation notebook
نسخه ی نمایشی - کدهای ML هماهنگ شده در Azure Demo - Orchestrated ML codes in Azure
-
کد آموزشی مدل Model Training code
-
کد ارزیابی مدل Model Evaluation code
-
کد رجیستری مدل Model Registry code
-
کد امتیازدهی Scoring code
نسخه ی نمایشی - خط لوله CI/CD MLOps در Azure Demo - CI/CD MLOps Pipeline in Azure
-
بررسی اجمالی Overview
-
اسکریپت یکپارچه سازی مداوم (CI). Continuous Integration (CI) script
-
کد برای انتشار خط لوله Code to publish the pipeline
-
کد برای اجرای بسته منتشر شده Code to run the published package
-
اسکریپت استقرار مداوم (CD). Continuous Deployment (CD) script
-
خط لوله را اجرا کنید Run the Pipeline
جایزه BONUS
-
جایزه Bonus
نمایش نظرات
نظری ارسال نشده است.
https://donyad.com/d/617d60
آموزش Google Gemini AI با Python API - شروع سریع
Google Gemini AI with Python API - Quick Start
بیاموزید که چگونه از مدل قدرتمند جدید هوش مصنوعی جمینی گوگل تنها در دو ساعت استفاده کنید!
آموزش Data Science با R
Data Science with R
علم داده برای محل کار و اقتصاد جهانی بیش از پیش ارزشمند می شود. بیاموزید که چگونه از عمل علم داده و زبان برنامه نویسی R برای تبدیل داده های خود به بینش عملی استفاده کنید.
آموزش Masterclass تحلیل و تجسم داده پایتون 2023
2023 Python Data Analysis & Visualization Masterclass
پانداها، Matplotlib، Seaborn، و بیشتر! ده ها مجموعه داده را تجزیه و تحلیل کنید و تجسم های خیره کننده ایجاد کنید
آموزش الگوریتم های هوش مصنوعی با الهام از زیستی
Bio-inspired Artificial Intelligence Algorithms
الگوریتم ژنتیک، تکامل دیفرانسیل، شبکه های عصبی، انتخاب کلونال، ازدحام ذرات، بهینه سازی کلونی مورچه ها
J Garg - Real Time Learning
مهندسی داده، تجزیه و تحلیل و مربی ابری
Udemy (یودمی)
یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.