آموزش راهنمای اجرایی برای استقرار، نظارت و نگهداری مدل ها

Executive Guide to Deploying, Monitoring, and Maintaining Models

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با پیشرفت های اخیر در فضای هوش مصنوعی، گردش کار برای استقرار، نظارت و نگهداری مدل های ML تغییر کرده است. در این دوره، کیت مک کورمیک - یک داده کاوی، مربی، سخنران و نویسنده مستقل - مراحل پروژه ML را تجزیه می کند و شما را از طریق ارزیابی مدل، امتیازدهی، استقرار و نگهداری مدل راهنمایی می کند. در مورد مهندسی داده و MLOps در چرخه حیات ML و همچنین اصول اولیه مدل سازی ML بیاموزید. یک چک لیست استقرار مفید دریافت کنید که می توانید در ارزیابی مدل از آن استفاده کنید. نحوه امتیاز دهی به مدل های سنتی ML، مدل «جعبه سیاه» و یک گروه را بیاموزید. برو بیش از دسته و به ثمر رساند زمان واقعی. به علاوه، نظارت بر مدل و بهترین فرکانس برای بازسازی مدل را کشف کنید.

سرفصل ها و درس ها

معرفی Introduction

  • به کارگیری مدل ها Getting models deployed

1. مراحل یک پروژه یادگیری ماشینی 1. The Phases of a Machine Learning Project

  • مبانی مدل سازی ML The basics of ML modeling

  • مهندسی داده و MLOps در چرخه حیات ML Data engineering and MLOps in the ML lifecycle

  • داده ها و یادگیری ماشینی نظارت شده Data and supervised machine learning

  • چرا پروژه های ML اجرا نمی شوند؟ Why ML projects fail to be deployed

2. ارزیابی مدل 2. Model Evaluation

  • چک لیست استقرار A deployment checklist

  • مرحله ارزیابی کسب و کار The business evaluation phase

3. امتیاز دادن 3. Scoring

  • امتیاز دادن به مدل "جعبه سیاه". Scoring a "black box" model

  • گلزنی یک گروه Scoring an ensemble

  • امتیاز دهی به مدل های سنتی ML Scoring traditional ML models

4. استقرار 4. Deployment

  • آماده سازی داده ها و امتیازدهی Data prep and scoring

  • ترکیب دسته ای و امتیازدهی در زمان واقعی Combining batch and real-time scoring

  • گروهی در مقابل امتیازدهی بلادرنگ Batch vs. real-time scoring

5. نظارت و نگهداری 5. Monitoring and Maintenance

  • هر چند وقت یکبار باید بازسازی کنید؟ How often should you rebuild?

  • مانیتورینگ مدل چیست؟ What is model monitoring?

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش راهنمای اجرایی برای استقرار، نظارت و نگهداری مدل ها
جزییات دوره
0h 57m
16
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
3,897
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Keith McCormick Keith McCormick

داده کاو ، مربی ، سخنران ، نویسنده کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.

کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.