آموزش استقرار و نظارت بر مدل‌های یادگیری ماشین - آخرین آپدیت

دانلود Model Deployment and Monitoring

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک بررسی پیشرفته در زمینه MLOps است و بر نحوه مقیاس‌پذیری، حاکمیت، بهینه‌سازی، نظارت و بهبود مستمر سیستم‌های یادگیری ماشین سازمانی در محیط عملیاتی تمرکز دارد. از طریق دمونستراسیون‌های عملی و تمرینات کاربردی، فراگیران از Amazon SageMaker، SageMaker Feature Store، SageMaker Clarify، SHAP، LIME، آموزش توزیع‌شده، تنظیم هایپرپارامترها، داشبوردهای نظارتی و تکنیک‌های یادگیری فعال برای ایجاد جریان‌های کاری قابل اعتماد در تولید استفاده خواهند کرد. در پایان این دوره، فراگیران قادر خواهند بود: - پلتفرم‌های مدیریت‌شده ML را با زیرساخت‌های خود-مدیریتی مقایسه کنند - استورهای ویژگی (Feature Stores) مقیاس‌پذیر و فرآیندهای آموزش توزیع‌شده را طراحی کنند - سیستم‌های تایید مدل، حاکمیت، بررسی سوگیری (Bias) و عدالت را پیاده‌سازی کنند - عملکرد مدل، کیفیت داده‌ها و رانش داده‌ها (Drift) را نظارت کنند - استراتژی‌های یادگیری مستمر و بهینه‌سازی هزینه‌ها را به کار گیرند این دوره برای مهندسان با تجربه ML، مهندسان MLOps، مهندسان هوش مصنوعی، مهندسان پلتفرم و دانشمندان داده‌ای که می‌خواهند سیستم‌های ML در مقیاس سازمانی بسازند و مدیریت کنند، طراحی شده است. داشتن دانش قبلی در مورد MLOps، پلتفرم‌های ابری، Kubernetes، استقرار مدل و نظارت توصیه می‌شود.

سرفصل ها و درس ها

پلتفرم‌های مدیریت‌شده ML و مقیاس‌بندی زیرساخت‌های یادگیری ماشین Managed ML Platforms and Scaling ML Infrastructure

  • مرور کلی تخصص Specialization Overview

  • معرفی دوره Course Introduction

  • مقایسه پلتفرم‌های ابری Cloud Platforms Comparison

  • دمونستراسیون: انتقال سیستم تشخیص کلاهبرداری از Kubeflow به SageMaker Demonstration: Migrate Fraud Detection from Kubeflow to SageMaker

  • دمونستراسیون: ویژگی‌های یکپارچه MLOps در SageMaker Demonstration: SageMaker's Integrated MLOps Features

  • معماری SageMaker Feature Store SageMaker Feature Store Architecture

  • دمونستراسیون: راه‌اندازی SageMaker Feature Store برای تشخیص کلاهبرداری Demonstration: Set Up SageMaker Feature Store for Fraud Detection

  • دمونستراسیون: نسخه‌بندی ویژگی‌ها و نظارت بر کیفیت داده‌ها Demonstration: Feature Versioning and Data Quality Monitoring

  • آموزش توزیع‌شده و بهینه‌سازی هایپرپارامترها (HPO) Distributed Training and HPO

  • اجرای آموزش توزیع‌شده با SageMaker Run Distributed Training with SageMaker

  • بهینه‌سازی هایپرپارامترها در مقیاس گسترده Hyperparameter Optimization at Scale

حاکمیت مدل، توضیح‌پذیری و نظارت در محیط عملیاتی Model Governance, Explainability, and Monitoring in Production

  • چارچوب‌های حاکمیت مدل Model Governance Frameworks

  • دمونستراسیون: پیاده‌سازی جریان کاری تایید مدل در SageMaker Demonstration: Implement Model Approval Workflow in SageMaker

  • دمونستراسیون: تشخیص سوگیری و عدالت با SageMaker Demonstration: Bias and Fairness Detection with SageMaker

  • استفاده از SHAP و LIME برای توضیح‌پذیری مدل SHAP and LIME for Model Explainability

  • دمونستراسیون: تولید توضیحات SHAP برای پیش‌بینی‌های کلاهبرداری Demonstration: Generate SHAP Explanations for Fraud Predictions

  • دمونستراسیون: تفسیر و استخراج توضیحات SHAP برای پیش‌بینی‌های کلاهبرداری Demonstration: Interpret and Export SHAP Explanations for Fraud Predictions

  • دمونستراسیون: عیب‌یابی خطاهای مدل و تحلیل ریشه مشکل (Root Cause Analysis) Demonstration: Debug Model Failures and Root Cause Analysis

  • متریک‌های نظارتی مخصوص یادگیری ماشین ML-Specific Monitoring Metrics

  • دمونستراسیون: راه‌اندازی داشبورد جامع نظارت بر مدل Demonstration: Set Up Comprehensive Model Monitoring Dashboard

الگوهای پیشرفته تولید و یادگیری مستمر Advanced Production Patterns and Continuous Learning

  • معماری‌های Ensemble و چند-مدلی Ensemble and Multi-Model Architectures

  • دمونستراسیون: ساخت سیستم تشخیص کلاهبرداری Ensemble Demonstration: Build an Ensemble Fraud Detection System

  • دمونستراسیون: ذخیره و اعتبارسنجی سیستم تشخیص کلاهبرداری Ensemble Demonstration: Save and Validate the Ensemble Fraud Detection System

  • یادگیری آنلاین و یادگیری فعال Online Learning and Active Learning

  • دمونستراسیون: پیاده‌سازی بازآموزی تدریجی مدل Demonstration: Implement Incremental Model Retraining

  • دمونستراسیون: یادگیری فعال برای برچسب‌گذاری بهینه و کم‌هزینه Demonstration: Active Learning for Cost-Effective Labeling

  • بهینه‌سازی هزینه و توافق‌نامه‌های سطح خدمات (SLAs) Cost Optimization and SLAs

  • دمونستراسیون: تحلیل و بهینه‌سازی هزینه‌ها Demonstration: Cost Analysis and Optimization

  • دمونستراسیون: اهداف سطح خدمات (SLOs) و داشبوردهای عملیاتی Demonstration: SLOs and Operational Dashboards

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

  • خلاصه دوره Course Summary

نمایش نظرات

آموزش استقرار و نظارت بر مدل‌های یادگیری ماشین
جزییات دوره
7h 6m
30
(آخرین آپدیت)
15
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar