لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش سیستمهای یادگیری ماشین کاربردی با FastAPI برای توسعهدهندگان
- آخرین آپدیت
دانلود Applied Machine Learning Systems with FastAPI for Developers
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره به توسعهدهندگان نرمافزار میآموزد که چگونه سیستمهای یادگیری ماشین را با استفاده از پایتون، scikit-learn، FastAPI و Docker پیادهسازی، مستقر و نگهداری کنند. شما یاد میگیرید که خط لولههای (Pipelines) یادگیری ماشین را بسازید، دادهها را پیشپردازش کنید، مدلها را ارزیابی کرده و آنها را به صورت REST APIهای آماده برای محیط عملیاتی ارائه دهید.
پودمان ۱ به الگوریتمهای اصلی یادگیری ماشین و گردشکارهای آن، از جمله پارادایمهای یادگیری نظارتشده و نظارتنشده میپردازد. شما رگرسیون، طبقهبندی و خوشهبندی را با استفاده از scikit-learn پیادهسازی کرده و ارزیابی مدلها را با معیارهای مناسب یاد میگیرید.
پودمان ۲ بر آمادهسازی دادهها و مهندسی ویژگیها تمرکز دارد. شما دادهها را با استفاده از pandas پاکسازی و پیشپردازش میکنید، خط لولههای ویژگی را با تبدیلها و مقیاسبندی میسازید و مجموعه ویژگیها را برای بهبود عملکرد مدل بهینه میکنید.
پودمان ۳ به بررسی ساخت و تست کدهای یادگیری ماشین میپردازد. شما ساختار کدهای ML را برای ماژولار بودن و قابلیت استفاده مجدد سازماندهی میکنید، گردشکارهای تست را با استفاده از pytest پیادهسازی کرده و تکنیکهای لاگگیری و دیباگ برای خط لولههای ML را میآموزید.
پودمان ۴ شامل ارائه و استقرار مدلهای یادگیری ماشین است. شما مدلها را با استفاده از FastAPI به صورت REST API منتشر میکنید، سرویسها را با Docker کانتینریزه کرده و مدلهای مستقر شده را از طریق تست استنتاج (Inference Testing) ارزیابی میکنید.
در پایان این دوره، شما قادر خواهید بود:
• الگوریتمهای یادگیری ماشین را برای وظایف طبقهبندی، رگرسیون و خوشهبندی پیادهسازی و ارزیابی کنید
• خط لولههای داده بازتولیدپذیر با پیشپردازش و مهندسی ویژگی بسازید
• کدهای ML ماژولار و تستشده را مطابق با بهترین روشهای مهندسی نرمافزار توسعه دهید
• مدلهای یادگیری ماشین را به عنوان REST APIهای کانتینریزه با استفاده از FastAPI و Docker مستقر کنید.
سلب مسئولیت: این یک منبع آموزشی مستقل است که توسط Board Infinity تنها برای اهداف اطلاعرسانی و آموزشی ایجاد شده است. این دوره با هیچ شرکت، سازمان یا نهاد صدور گواهینامهای وابسته، تایید شده، حمایت شده یا به طور رسمی مرتبط نیست مگر اینکه صراحتاً ذکر شده باشد. محتوای ارائه شده بر اساس دانش صنعت و بهترین روشها است اما به عنوان مواد آموزشی رسمی برای هیچ کارفرما یا برنامه گواهینامه خاصی محسوب نمیشود. تمامی نامهای شرکتها، علائم تجاری، علائم خدمات و لوگوهای ذکر شده متعلق به مالکان مربوطه است و صرفاً برای شناسایی آموزشی و مقایسهای استفاده شده است.
سرفصل ها و درس ها
الگوریتمهای اصلی و گردشکارهای یادگیری ماشین
Core ML Algorithms and Workflows
ویدیوی خوشآمدگویی دوره!
Course Welcome Video!
فرصتهای شغلی در یادگیری ماشین کاربردی
Career Opportunities in Applied ML
روندهای صنعت و موارد کاربرد
Industry Trends and Use Cases
مهارتهای کلیدی برای مهندسان ML
Key Skills for ML Engineers
یادگیری ماشین چیست؟
What Is Machine Learning?
مروری بر گردشکار یادگیری ماشین
ML Workflow Overview
برنامهنویسی قانونمحور در مقابل دادهمحور
Rule-based vs. Data-driven Programming
راهاندازی scikit learn
Setting Up scikit-learn
مثالهای طبقهبندی و رگرسیون
Classification and Regression Examples
ارزیابی مدل با استفاده از معیارها
Model Evaluation with Metrics
نمایش نظرات