کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش AWS: جریان‌های کاری یادگیری ماشین با SageMaker، ذخیره‌سازی و امنیت - آخرین آپدیت

دانلود AWS: ML Workflows with SageMaker, Storage & Security

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره «AWS: جریان‌های کاری یادگیری ماشین (ML) با SageMaker، ذخیره‌سازی و امنیت»، چهارمین بخش از تخصص آمادگی آزمون (MLA-C01): مهندس یادگیری ماشین AWS - سطح Associate است. این دوره به یادگیرندگان کمک می‌کند تا جریان‌های کاری یادگیری ماشین امن، مقیاس‌پذیر و کارآمد را در بستر AWS طراحی کنند. تمرکز اصلی این دوره بر سه رکن کلیدی است: ذخیره‌سازی داده، توسعه مدل و امنیت. شرکت‌کنندگان در ابتدا با نحوه جمع‌آوری، ذخیره‌سازی و استریم داده‌های یادگیری ماشین با استفاده از سرویس‌هایی نظیر Amazon S3، Amazon Kinesis و Amazon Redshift آشنا می‌شوند. در ادامه، دوره به سمت توسعه عملی مدل با Amazon SageMaker، شامل مراحل آماده‌سازی داده، آموزش و استقرار (Deployment) پیش می‌رود. در ماژول پایانی، مباحث حیاتی امنیت و حفاظت از داده‌ها با استفاده از IAM، KMS، رمزنگاری و کنترل‌های شبکه آموزش داده می‌شود. این دوره شما را برای ساخت سیستم‌های یادگیری ماشین در سطح تولید (Production) آماده می‌کند که علاوه بر مقیاس‌پذیری بالا، استانداردهای امنیتی و انطباق‌پذیری سازمانی را نیز رعایت می‌کنند. ویژگی‌های دوره: - شامل ۳ ماژول جامع به همراه درس‌های متمرکز و دموهای عملی. - بیش از ۳ تا ۳.۵ ساعت محتوای ویدیویی شامل آموزش‌های گام‌به‌گام و پروژه‌های واقعی. - آزمون‌های تستی و عملی در هر ماژول برای سنجش سطح یادگیری. سرفصل‌های اصلی: ماژول ۱: ذخیره‌سازی داده و استریم بی‌درنگ (Real-Time) در AWS ماژول ۲: آماده‌سازی داده و توسعه مدل ML با Amazon SageMaker ماژول ۳: امنیت، هویت و حفاظت از داده‌ها در AWS پس از پایان این دوره، شما قادر خواهید بود: - جریان‌های کاری پایان‌به‌پایان (End-to-End) یادگیری ماشین را با سرویس‌های ذخیره‌سازی، پردازش و ML در AWS طراحی کنید. - داده‌های استریم و دسته‌ای (Batch) را برای توسعه مدل‌های ML پردازش کنید. - خط لوله‌های یادگیری ماشین را با استفاده از IAM، رمزنگاری و کنترل‌های شبکه ایمن‌سازی کنید. - راهکارهای ML آماده برای انطباق سازمانی (Compliance-Ready) را با Amazon SageMaker بسازید. این دوره برای توسعه‌دهندگان ابری، مهندسان یادگیری ماشین و متخصصان داده که تجربه کار با AWS را دارند و قصد دارند بر یکپارچه‌سازی جریان‌های یادگیری ماشین با مدیریت داده و امنیت سازمانی تسلط یابند، ایده‌آل است. همچنین برای داوطلبان آزمون گواهینامه مهندس یادگیری ماشین AWS (MLA-C01) بسیار ارزشمند است.
سرفصل ها و درس ها

ذخیره‌سازی داده و استریم بی‌درنگ در AWS Data Storage & Real-Time Streaming on AWS

  • آشنایی با Amazon S3 Amazon S3

  • آشنایی با Amazon EBS Amazon EBS

  • آشنایی با Amazon EFS Amazon EFS

  • آشنایی با Amazon FSx برای NetApp ONTAP Amazon FSx for NetApp ONTAP

  • گزینه‌های پایگاه داده برای یادگیری ماشین Database options for ML

  • آشنایی با Amazon Kinesis Amazon Kinesis

  • ایجاد استریم‌های Kinesis و S3 Bucket و Lambda به صورت عملی Create Kinesis Streams - S3 Bucket – Lambda : Hands On

  • ساخت سیستم استریم داده‌های بی‌درنگ با Kinesis Data Stream Building Realtime Data Streaming System – Kinesis Data Stream

  • سرویس مدیریت شده Amazon برای Apache Flink Amazon Managed Service for Apache Flink

  • سرویس مدیریت شده Amazon برای Apache Kafka Amazon Managed Streaming for Apache Kafka

آماده‌سازی داده و توسعه مدل یادگیری ماشین با Amazon SageMaker Data Preparation & ML Model Development with Amazon SageMaker

  • مقدمه‌ای بر Amazon SageMaker Introduction to Amazon Sagemaker

  • دموی عملی Amazon SageMaker Amazon Sagemaker - Demo

  • بررسی تخصصی Amazon SageMaker Data Wrangler Amazon Sagemaker Data Wrangler - Deep Dive

  • بررسی تخصصی Amazon SageMaker Feature Store Amazon Sagemaker Feature Store - Deep Dive

  • بررسی تخصصی Amazon SageMaker Model Monitor Amazon Sagemaker Model Monitor - Deep Dive

  • آشنایی با Amazon SageMaker Jumpstart Amazon Sagemaker Jumpstart

امنیت، هویت و حفاظت از داده‌ها در AWS Security, Identity & Data Protection on AWS

  • سرویس AWS KMS AWS KMS

  • سرویس AWS Secret Manager AWS Secret Manager

  • سرویس AWS WAF AWS WAF

  • سرویس AWS Shield AWS Shield

  • سرویس AWS Macie AWS Macie

  • سرویس AWS Trusted Advisor AWS Trusted Advisor

مانیتورینگ، بصری‌سازی و بینش‌های عملیاتی Monitoring, Visualization & Operational Insights

  • Amazon QuickSight: تحلیل و بصری‌سازی داده برای یادگیری ماشین Amazon QuickSight: Analyze and visualize data for machine learning

  • استفاده از SageMaker Model Monitor برای تشخیص ناهنجاری Using SageMaker Model Monitor for Anomaly Detection

  • سرویس AWS X-Ray AWS X-Ray

  • لاگ‌های Amazon CloudWatch Amazon CloudWatch Logs

  • سرویس AWS Cost Explorer AWS Cost Explorer

  • معرفی SageMaker Inference Recommender SageMaker Inference Recommender

آموزش مقدمه‌ای بر شبکه‌های عصبی

آموزش مقدمه‌ای بر شبکه‌های عصبی

دانلود Introduction to Neural Networks

آموزش Keycloak - مدیریت هویت و دسترسی منبع باز

آموزش Keycloak - مدیریت هویت و دسترسی منبع باز

Keycloak - Open Source Identity and Access Management

مبانی رایانش ابری برای مدیران کسب‌وکار - آموزش

مبانی رایانش ابری برای مدیران کسب‌وکار - آموزش

دانلود Cloud Essentials for Business Leaders - Education

نمایش نظرات

آموزش AWS: جریان‌های کاری یادگیری ماشین با SageMaker، ذخیره‌سازی و امنیت
جزییات دوره
10h 22m
28
(آخرین آپدیت)
374
- از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/981be9

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Key Management Amazon S3 AWS Identity and Access Management (IAM) Cloud Security Data Storage Amazon Redshift Cloud Storage Model Training Model Deployment AWS SageMaker Data Security Feature Engineering Amazon Web Services Applied Machine Learning Encryption MLOps (Machine Learning Operations) AWS Kinesis Real Time Data مدیریت کلید سرویس مدیریت هویت و دسترسی AWS (IAM) امنیت ابری ذخیره‌سازی داده ذخیره‌سازی ابری آموزش مدل استقرار مدل امنیت داده مهندسی ویژگی خدمات وب آمازون (AWS) یادگیری ماشین کاربردی رمزنگاری عملیات یادگیری ماشین (MLOps) داده‌های بی‌درنگ (Real-Time)