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

نمایش نظرات

آموزش (GCP-PMLE) همکاری تیمی برای مدیریت داده‌ها و مدل‌های یادگیری ماشین
جزییات دوره
1h 20m
11
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Victor Dantas
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Victor Dantas Victor Dantas

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. .