داده‌های آموزشی بازتولیدپذیر و خط لوله‌های داده آماده برای یادگیری ماشین - آخرین آپدیت

سرفصل ها و درس ها

خوش‌آمدگویی به دوره Welcome to the Course

• ویدیو خوش‌آمدگویی Welcome Video

داده‌های آموزشی به عنوان یک محصول Training Data as a Product

• داده‌های آموزشی به عنوان یک محصول Training Data as a Product

• الزامات مجموعه داده، مصرف‌کنندگان و مالکان Dataset Requirements, Consumers, and Owners

• قراردادها، SLAها، SLOها و معیارهای پذیرش Contracts, SLAs, SLOs, and Acceptance Criteria

• کارت‌های مجموعه داده و تعاریف آمادگی Dataset Cards and Readiness Definitions

نسخه‌بندی و بازتولیدپذیری Versioning and Reproducibility

• چرا بازتولیدپذیری در داده‌های آموزشی شکست می‌خورد Why Reproducibility Fails in Training Data

• مفاهیم نسخه‌بندی مجموعه داده، اسنپ‌شات‌ها و سفر در زمان Dataset Versioning, Snapshots, and Time Travel Concepts

• هشینگ و ساخت‌های قطعی Hashing and Deterministic Builds

• نسب‌نامه (Lineage)، مصنوعات انتشار و بازسازی بازتولیدپذیر Lineage, Release Artifacts, and Reproducible Reconstruction

کنترل‌های نشت و آلودگی داده‌ها Leakage and Contamination Controls

• نشت داده: حالت شکست خاموش در مجموعه‌داده‌ها Leakage: The Silent Dataset Failure Mode

• نشت زمانی و هدف در خط لوله‌های واقعی Temporal and Target Leakage in Real Pipelines

• یکپارچگی تقسیم‌بندی و صحت نقطه زمانی Split Integrity and Point-in-Time Correctness

• آلودگی معنایی در متن، امبدینگ‌ها و جریان‌های کاری بازیابی Semantic Contamination in Text, Embeddings, and Retrieval Workflows

خط لوله‌های مهندسی ویژگی Feature Engineering Pipelines

• خط لوله‌های ویژگی برای داده‌های آماده یادگیری ماشین Feature Pipelines for ML-Ready Data

• الگوهای استخراج ویژگی برای داده‌های ساختاریافته و نیمه‌ساختاریافته Feature Extraction Patterns for Structured and Semi-Structured Data

• تازگی، پیوند‌های نقطه زمانی و سازگاری آموزش/استنتاج Freshness, Point-in-Time Joins, and Training/Inference Consistency

• کیفیت ویژگی، رانش (Drift) و آمادگی برای انتشار Feature Quality, Drift, and Release Readiness

خط لوله‌های برچسب‌گذاری و مدیریت حقیقت زمینی (Ground Truth) Label Pipelines and Ground Truth Management

• خط لوله‌های برچسب‌گذاری و حقیقت زمینی Label Pipelines and Ground Truth

• برچسب‌های انسانی، کمک‌گرفته از هوش مصنوعی و نظارت ضعیف Human, AI-Assisted, and Weakly Supervised Labels

• بررسی‌های کیفیت برچسب و شواهد بازبینی Label Quality Checks and Review Evidence

• رانش برچسب، نسخه‌بندی حقیقت زمینی و آمادگی برای انتشار Label Drift, Ground Truth Versioning, and Release Readiness

اعتبارسنجی CI برای کیفیت داده‌های سطح هوش مصنوعی CI Validation for AI-Grade Data Quality

• چرا اعتبارسنجی CI برای انتشار مجموعه‌داده‌های آموزشی اهمیت دارد Why CI Validation Matters for Training Dataset Releases

• بررسی‌های طرحواره و توزیع برای کیفیت داده‌های سطح هوش مصنوعی Schema and Distribution Checks for AI-Grade Data Quality

• بررسی‌های برش، سوگیری و بازنمایی Slice, Bias, and Representation Checks

• نشت، بازتولیدپذیری و گیت‌های انتشار Leakage, Reproducibility, and Release Gates

امتحان نهایی Final Exam

خلاصه دوره Course Summary

• جمع‌بندی نهایی Wrap up