آموزش مبانی MLOps - آخرین آپدیت

مقدمه‌ای بر MLOps و ردیابی آزمایش‌ها Introduction to MLOps and Experiment Tracking

• مرور کلی تخصص Specialization Overview

• معرفی دوره Course Introduction

• مقدمه‌ای بر MLOps Introduction to MLOPs

• دمو: راه‌اندازی محیط پروژه Demonstration: Setting Up the Project Environment

• دمو: بررسی گردش کار پیش‌بینی ML Demonstration: Exploring Our ML Prediction Workflow

• درک ردیابی آزمایش‌ها Understanding Experiment Tracking

• دمو: ردیابی آزمایش‌ها با MLflow Demonstration: Tracking Experiments with MLflow

• دمو: مقایسه اجراهای مدل در MLflow Demonstration: Comparing MLflow Model Runs

• کنترل نسخه داده‌ها با DVC Data Version Control With DVC

• دمو: نسخه‌بندی مجموعه‌داده با DVC Demonstration: Versioning Dataset with DVC

• دمو: بازتولید آزمایش‌ها با داده‌های نسخه‌بندی شده Demonstration: Reproducing Experiments with Versioned Data

پایپ‌لاین‌ها، CI/CD و رجیستری مدل Pipelines , CI/CD and Model Registry

• پایپ‌لاین‌های ML و مبانی ارکستراسیون ML Pipelines and Orchestration Basics

• دمو: ساخت پایپ‌لاین ML با Airflow: توسعه پایپ‌لاین Demonstration: Building the ML Pipeline with Airflow: Pipeline Development

• دمو: ساخت پایپ‌لاین ML با Airflow: اجرا و نظارت Demonstration: Building the Airflow ML Pipeline: Execution and Monitoring

• درک CI/CD در یادگیری ماشین Understanding CI/CD in Machine Learning

• دمو: خودکارسازی پایپ‌لاین‌های ML با GitHub Actions Demonstration: Automating ML Pipelines with GitHub Actions

• رجیستری مدل و مدیریت چرخه حیات Model Registry and Lifecycle Management

• دمو: رجیستری مدل و نسخه‌بندی برای سیستم‌های ML Demonstration : Model Registry and Versioning for ML Systems

استقرار مدل و نظارت بر محیط عملیاتی Model Deployment and Production Monitoring

• استقرار مدل ML با APIها و Docker ML Model Deployment with APIs and Docker

• دمو: ارائه مدل با Fast API و Docker Demonstration: Serving Model with Fast API and Docker

• دمو: استقرار ابری سرویس‌های ML Demonstration: Cloud Deployment of ML Services

• نظارت و قابلیت مشاهده در یادگیری ماشین Monitoring and Observability in Machine Learning

• دمو: نظارت بر عملکرد مدل ML با Evidently AI Demonstration: Monitoring Our ML Model Performance with Evidently AI

• دمو: بصری‌سازی متریک‌های لحظه‌ای با Grafana Demonstration: Visualizing Real-Time Metrics with Grafana

• رانش داده‌ها (Data Drift) و بازآموزی مدل Data Drift and Model Retraining

• دمو: بازآموزی خودکار مدل پس از رانش داده‌ها Demonstration: Automated Model Retraining After Drift

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

• خلاصه دوره: مبانی MLOps Course Summary: MLOps Foundations