لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش (GCP-PMLE) همکاری تیمی برای مدیریت دادهها و مدلهای یادگیری ماشین
- آخرین آپدیت
دانلود (GCP-PMLE) Collaborating within and across Teams to Manage Data and Models
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مدیریت دادهها و مدلهای یادگیری ماشین (ML) در محیطهای تیمی نیازمند ابزارها و گردشکارهای مناسب برای تضمین سازگاری، امنیت و بازتولیدپذیری است. در این دوره آموزشی با عنوان (GCP-PMLE) همکاری تیمی برای مدیریت دادهها و مدلها، شما توانایی سازماندهی بهینه و پیشپردازش دادهها برای آموزش مدلهای ML را در حالی که همکاری تیمی را تسهیل میکنید، کسب خواهید کرد. در ابتدا، نحوه سازماندهی انواع مختلف دادهها در سرویسهای ذخیرهسازی گوگل کلاود، مدیریت مجموعهدادهها در Vertex AI و پیادهسازی خط لولههای پیشپردازش با استفاده از Dataflow و BigQuery را بررسی میکنید. سپس، روشهای ساخت نمونه اولیه مدلها با استفاده از Jupyter Notebooks در گوگل کلاود، انتخاب بکاند مناسب بر اساس نیازها و بهکارگیری بهترین روشهای امنیتی را خواهید آموخت. در نهایت، نحوه ردیابی و اجرای آزمایشهای یادگیری ماشین با Vertex AI Experiments، ارزیابی راهکارهای هوش مصنوعی مولد (Generative AI) و بهرهبرداری از مدلهای پایه در Model Garden را فرا میگیرید. پس از اتمام این دوره، مهارتها و دانش لازم برای مدیریت مؤثر دادهها و مدلها در محیطهای collaborative یادگیری ماشین در گوگل کلاود را به دست خواهید آورد.
سرفصل ها و درس ها
آمادهسازی و ایمنسازی مجموعهدادههای یادگیری ماشین
Preparing and Securing Your ML Datasets
سازماندهی و مدیریت دادهها در Vertex AI
Organizing and Managing Data in Vertex AI
پیشپردازش دادهها در مقیاس بزرگ
Data Preprocessing at Scale
مدیریت ویژگیها و ملاحظات حریم خصوصی
Feature Management and Privacy Considerations
شتاببخشی به توسعه و ساخت نمونه اولیه مدل
Accelerating Model Development and Prototyping
انتخاب و ایمنسازی محیط Jupyter
Selecting and Securing Your Jupyter Environment
توسعه مدلها و مدیریت کد
Developing Models and Managing Code
کاوش در Model Garden
Exploring the Model Garden
ردیابی آزمایشها و ارزیابی راهکارهای هوش مصنوعی
Tracking Experiments and Evaluating AI Solutions
محیطهای مناسب برای آزمایشهای یادگیری ماشین
Environments for ML Experimentation
ارزیابی هوش مصنوعی مولد
Evaluating Generative AI
آمادهسازی برای آزمون
Exam Preparation
آمادهسازی آزمون: سازماندهی و پیشپردازش دادهها
Exam Prep: Data Organization and Preprocessing
آمادهسازی آزمون: ساخت نمونه اولیه مدل
Exam Prep: Model Prototyping
آمادهسازی آزمون: آزمایش و ارزیابی
Exam Prep: Experimentation and Evaluation
متخصص فناوری اطلاعات با مدرک دکترا در شبکه های تعریف شده با نرم افزار و گواهینامه های ابری حرفه ای از AWS، Azure، و Google Cloud. با پیشینه ای از توسعه نرم افزار و مهندسی سیستم تا پیش فروش و خدمات حرفه ای برای مهاجرت های ابری، تجربه ای در زمینه زیرساخت های ابری ترکیبی، معماری و طراحی ابری، زیرساخت به عنوان کد (IaC) و همچنین شیوه های Agile/DevOps کسب کرده ام. .
نمایش نظرات