دسترسی سریع:

مسیر:

صفحه اصلی

لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در کانال تلگرام عضو شوید.

آموزش پلتفرم‌های داده مدرن برای هوش مصنوعی [ویدئویی] - آخرین آپدیت

دانلود Modern Data Platforms for AI [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: بسیاری از طرح‌های AI/ML پس از دموهای امیدوارکننده متوقف می‌شوند، زیرا خطوط لوله (Pipelines) شکننده هستند، کیفیت داده‌ها ناهماهنگ است و استقرارها نمی‌توانند در برابر تغییرات مقاومت کنند. دوره «پلتفرم‌های داده مدرن برای هوش مصنوعی» با شناسایی نقاط شکست سیستم‌های عملیاتی در مراحل جذب، مدل‌سازی و یکپارچه‌سازی آغاز شده و سپس این شکست‌ها را به الگوهای پایداری که می‌توانید در AWS به کار ببرید، متصل می‌کند. شما خواهید آموخت که چگونه برای چرخه حیات ETL و مدل‌ها حفاظ‌هایی ایجاد کنید تا تغییرات طرح‌واره (Schema)، رانش داده‌ها (Drift) و نوسانات بالادستی باعث شکست نتایج نشود. با نگاهی به قابلیت اطمینان، ستون فقرات داده‌ای مورد نیاز هوش مصنوعی را خواهید ساخت: یک Lakehouse باز با Apache Iceberg. شما نحوه انتخاب پارتیشن‌بندی، مدیریت تکامل طرح‌واره و جدول‌ها و حفظ عملکرد پیش‌بینی‌پذیر در مقیاس داده‌ها و تیم‌ها را خواهید دید. در این مسیر، از Dremio برای دسترسی سریع و فدرال به داده‌های توزیع‌شده استفاده خواهید کرد تا تیم‌های تحلیل و هوش مصنوعی بتوانند بدون کپی کردن همه چیز در یک سیستم واحد، با سرعت پیش بروند. در نهایت، همه این‌ها را در یک کارگاه عملی Snowflake جمع‌بندی خواهید کرد. در کمتر از ۴۵ دقیقه، از Cortex AI، Streamlit و ابزار AI Snowflake برای ساخت یک اپلیکیشن عامل‌محور (Agentic App) برای یک مورد کاربردی واقعی صنعتی استفاده خواهید کرد که شامل طراحی پرامپت، اتصال ابزارها و مشاهده‌پذیری پایه است. در پایان، علل شکست ML، نحوه طراحی داده‌های آماده برای AI و نحوه عرضه یک اپلیکیشن کاربردی و تکامل‌پذیر را درک خواهید کرد. • شناسایی ریشه‌های شکست ML در خطوط لوله و یکپارچه‌سازی • طراحی گیت‌های کیفیت داده و ETL برای محافظت از مدل‌ها • به‌کارگیری الگوهای AWS برای آموزش و استقرار قابل اعتماد • ساخت Iceberg Lakehouse برای جدول‌های تحت نظارت و تکامل‌پذیر • استفاده از Dremio برای کوئری‌های سریع و فدرال در منابع مختلف • انتخاب تاکتیک‌های پارتیشن‌بندی، طرح‌واره و تکامل جدول • ایجاد اپلیکیشن عامل Snowflake Cortex AI + Streamlit • افزودن مبانی مشاهده‌پذیری: لاگ‌گیری، متریک‌ها و ردیابی این دوره برای مهندسان داده، مهندسان ML و مهندسان تحلیل که در حال ساخت پلتفرم‌های آماده برای AI هستند، معمارانی که از انبار داده به Lakehouse مهاجرت می‌کنند و مدیران محصول یا مهندسی که به تحویل قابل اعتماد و مقیاس‌پذیر AI نیاز دارند، مناسب است. آشنایی پایه با SQL و فضای ابری کمک می‌کند، اما این دوره برای متخصصان مشتاقی که هدفشان عرضه نتایج واقعی AI است، قابل دسترسی است. تمرکز جامع: از حالت‌های شکست تا یک اپلیکیشن کاربردی Snowflake * داده‌های باز و مقیاس‌پذیر: الگوهای Apache Iceberg با شتاب‌دهنده Dremio * نتایج عملی: ساخت یک عامل هوش مصنوعی با Cortex AI و Streamlit

سرفصل ها و درس ها

پشته ML در عمل The ML Stack in Action

چرا راهکارهای AI/ML شکست می‌خورند و برای ساخت راهکارهای پایدار چه نیاز است Why AI/ML Solutions Fail and What It Takes to Build Ones That Last
مدیریت داده‌های آماده برای AI در مقیاس بزرگ با Apache Iceberg و معماری Lakehouse Managing AI-Ready Data at Scale with Apache Iceberg and Lakehouse Architecture
ساخت یک اپلیکیشن عامل‌محور با Snowflake Cortex AI و Streamlit Build an Agentic Application with Snowflake Cortex AI and Streamlit

برای ارسال نظر ثبت نام کنید.

نمایش نظرات

آموزش پلتفرم‌های داده مدرن برای هوش مصنوعی [ویدئویی]

جزییات دوره

زمان دوره: 2h 30m

تعداد ویدیو ها: 3

شرکت: Packtpub

تاریخ انتشار مرجع: (آخرین آپدیت)

بازدید مرجع :

امتیاز مرجع: از 5

فایل تمرین: ندارد

زیرنویس زبان اصلی: دارد

زیرنویس فارسی: (توسط هوش مصنوعی) دارد

مدرس: Shankar Narayanan SGS Vivekanandan SS Lydia L. R. Ray Anastasia Tzeveleka Alex Merced

لینک کوتاه این دوره

https://donyad.com/d/4c4ee4

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

نرم افزارهای مورد نیاز

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Shankar Narayanan SGS

شانکار نارایانان معمار فنی با بیش از یک دهه تجربه متنوع در رهبری و اجرای پیاده‌سازی‌های داده و ابری در مقیاس بزرگ برای شرکت‌های Fortune 500 در صنایع مختلف است. او با موفقیت Snowflake Data Cloud را برای سازمان‌های بسیاری پیاده‌سازی کرده و مشتریان را به پذیرش Snowflake هدایت نموده است. او دارای مدرک کارشناسی و کارشناسی ارشد در علوم کامپیوتر و گواهینامه‌های متعددی در پلتفرم‌های چند-ابری و Snowflake است. او یک بلاگر برنده جایزه است و فعالانه در نشریات فنی و پروژه‌های متن‌باز مشارکت می‌کند. به دلیل مشارکت‌های فنی‌اش، او توسط SAP به عنوان رهبر موضوع جامعه SAP و توسط Snowflake به عنوان یکی از ۷۲ قهرمان داده Snowflake انتخاب شده است.

Vivekanandan SS

ویکاناندنان رهبری تیم مهندسی پرامپت GenAI در Verizon را بر عهده دارد و از بیش از یک دهه تخصص در علوم داده و داده‌های بزرگ بهره می‌برد. مسیر حرفه‌ای او شامل ساخت راهکارهای تحلیلی و محصولات در دامنه‌های مختلف با تسلط بر تحلیل‌های ابری و انبارهای داده است. او به عنوان یک مدرس با تجربه، در Snowflake و GenAI تخصص دارد و به عنوان مدرس مهمان و مشاور در موسسات آموزشی مختلف فعالیت می‌کند. شایان ذکر است که راهکار او در رتبه ۱ درصد برتر جهانی در Kaggle Kernels قرار دارد.

Lydia L. R. Ray

Anastasia Tzeveleka

آناستازیا معمار ارشد راهکارهای متخصص GenAI/ML در AWS است. او در نقش فعلی خود با مشتریان خدمات مالی همکاری می‌کند تا چالش‌های پیچیده تجاری را به راهکارهای قدرتمند مبتنی بر هوش مصنوعی تبدیل کند. آناستازیا تجربه گسترده‌ای در AI دارد و با سازمان‌های دولتی و تحقیقاتی در سراسر EMEA برای پیش‌آموزش و تنظیم دقیق (Fine-tuning) مدل‌های زبانی بزرگ در AWS همکاری کرده است. پیش از آن، او در Amazon Alexa پیشگام تجربیات صوتی بود و با برندها برای ایجاد تعاملات جذاب مشتریان از طریق AI محاوره‌ای همکاری می‌کرد.

Alex Merced

عکاسی

داده ها