آموزش سیستم‌های یادگیری ماشین پروفشنال - آخرین آپدیت

مقدمه یادگیری ماشین در گوگل کلاد Google Cloud의 고급 머신러닝 소개

• مقدمه‌ای بر یادگیری ماشین در گوگل کلاد Google Cloud의 고급 머신러닝

• شروع به کار 시작하기

راه‌اندازی سیستم ML پروفشنال 프로덕션 ML 시스템 설계

• راه‌اندازی سیستم ML ML 시스템 설계

• جمع‌آوری داده، تجزیه و تحلیل و پاک‌سازی 데이터 추출, 분석, 준비

• مدل‌های یادگیری، معماری و بازبینی 모델 학습, 평가, 검증

• مدل‌های آموزش‌دیده، تست مدل و ارزیابی قابلیت‌ها 학습된 모델, 예측 서비스, 성능 모니터링

• تعیین تنظیمات یادگیری 학습 설계 결정

• تعیین تنظیمات سرویس 서빙 설계 결정

• تنظیمات زیرساختی 처음부터 설계

• استفاده از Vertex AI Vertex AI 사용

• تمرین عملی: مدل داده‌های واقعی 실습 소개: 정형 데이터 예측

• Coursera: شروع کار با Google Cloud و Qwiklabs Coursera: Google Cloud 및 Qwiklabs 시작하기

راه‌اندازی سیستم ML کاربردی 적응형 ML 시스템 설계

• مقدمه 소개

• آماده‌سازی داده‌ها 데이터에 따른 조정

• بهینه‌سازی دسته‌ها (Batch) 배포 변경

• تمرین: آماده‌سازی داده‌ها 실습: 데이터에 따른 조정

• تعیین مقدار یادگیری و نرخ بهینه‌سازی 올바른 결정과 잘못된 결정

• بهینه‌سازی سیستم 시스템 오류

• مفهوم درایفت (Drift) 개념 드리프트

• شناسایی و مدیریت درایفت 개념 드리프트 완화 조치

• بازبینی داده‌ها در TensorFlow TensorFlow 데이터 검증

• اصول بازبینی داده‌ها در TensorFlow TensorFlow 데이터 검증의 구성요소

• تمرین عملی: بازبینی داده‌های TensorFlow 실습 소개: TensorFlow 데이터 검증 소개

• تمرین عملی: ایجاد سیستم یادگیری با بازبینی TensorFlow 실습 소개: TensorFlow 데이터 검증을 사용한 고급 시각화

• پیاده‌سازی تنظیمات یادگیری سرویس 설계를 통한 학습-서빙 편향 완화

• استخراج مدل پروفشنال 프로덕션 모델 진단

راه‌اندازی سیستم ML مقیاس‌پذیر 고성능 ML 시스템 설계

• مقدمه 소개

• یادگیری 학습

• مدل‌ها 예측

• مبانی یادگیری توزیع شده 분산 학습의 필요성

• آرایه یادگیری توزیع شده 분산 학습 아키텍처

• استراتژی‌های یادگیری توزیع شده در TensorFlow TensorFlow 분산 학습 전략

• استراتژی Mirror 미러링 전략

• استراتژی Mirror برای داده‌های بزرگ 다중 작업자 미러링 전략

• استراتژی TPU TPU 전략

• استراتژی Parameter Server 파라미터 서버 전략

• تمرین عملی: یادگیری توزیع شده با Keras 실습 소개: Keras를 사용한 분산 학습

• یادگیری داده‌های حجیم با tf.data API tf.data API를 사용한 대규모 데이터 세트 학습

• تمرین عملی: خط لوله داده‌های TPU 실습 소개: TPU 속도 데이터 파이프라인

• پیاده‌سازی 추론

طراحی سیستم ML هیبریدی 하이브리드 ML 시스템 빌드

• مقدمه 소개

• مقدمه‌ای بر خط لوله‌های هیبریدی 하이브리드 클라우드의 머신러닝

• Kubeflow Kubeflow

• تمرین عملی: Kubeflow Pipelines با استفاده از AI Platform 실습 소개: AI Platform을 사용한 Kubeflow Pipelines

• TensorFlow Lite TensorFlow Lite

• بهینه‌سازی مدل‌های TensorFlow 모바일용 TensorFlow 최적화

• جمع‌بندی 요약

جمع‌بندی 요약

• جمع‌بندی نهایی دوره 과정 요약

منابع دوره 과정 리소스