image

MLOps

در دنیایی که حجم داده ها به طور تصاعدی در حال افزایش است، درک داده‌ها و استفاده از آنها برای تصمیم‌گیری آگاهانه تجاری به یک مهارت حیاتی تبدیل شده است. دوره آموزشی MLOps شما را با ابزارها و دانشی که برای ساده‌سازی روندهای یادگیری ماشین و ارائه مدل‌های ML با کیفیت بالا نیاز دارید، آشنا می‌کند. MLOps در دنیای یادگیری ماشین همانند DevOps در دنیای توسعه نرم‌افزار است. این دوره نه تنها پیچیدگی‌ها و چالش‌های یادگیری ماشین در صنعت را آشکار می‌کند، بلکه شما را قادر می‌سازد تا پروژه‌های ML را به طور موثرتری مدیریت کنید. چه یک مهندس یادگیری ماشین باشید که به دنبال ارتقاء مهارت‌های خود است، چه مهندس نرم افزاری باشید که می‌خواهد به دنیای یادگیری ماشین وارد شود، یا اگر فردی علاقه‌مند به فناوری هستید، این دوره پله‌ای برای موفقیت شما خواهد بود. سفر شما برای تبدیل شدن به یک متخصص MLOps از اینجا شروع می‌شود!

مشخصات دوره

سطحپیشرفته
مدت12 ساعت
مدرکدارد
تاریخ به روزرسانی۱۴۰۳/۴/۱۰
قالب دورهخودخوان
میزان محبوبیت
4.4
(30 رای)
۸۰۰٬۰۰۰
تومان

مطالب دوره

1. ML in Production
1.1 Introduction
03' : 50''
2.1 ML Project Life Cycle
09' : 41''
3.1 ML life Cycle: Case Study
15' : 49''
4.1 Deployment
12' : 52''
5.1 Common Deployment Patterns
08' : 44''
6.1 Monitoring
10' : 29''
7.1 Pipeline Monitoring
09' : 25''
8.1 Modeling
06' : 36''
9.1 Low Average Test Error isn't Good Enough
06' : 35''
10.1 Establish a Baseline
13' : 33''
11.1 Performance Auditing
21' : 01''
12.1 Data-centric AI
21' : 11''
13.1 Data Definition
13' : 20''
14.1 Label Consistency
11' : 16''
15.1 HLP
10' : 54''
16.1 Data Pipeline
17' : 19''
17.1 Scoping
19' : 29''
2. Data Lifecycle in Production
3. ML Modeling Pipelines in Production
4. Deploying ML Models in Production
5. Hands-on

اطلاعات تکمیلی دوره

MLOps نحوه مدل‌سازی، ساخت و نگهداری سیستم‌های یکپارچه‌ای را که به طور مداوم در پروداکشن کار می‌کنند، پوشش می‌دهد. سیستم‌های صنعتی باید داده‌های زیادی را بی امان مدیریت کنند که معمولا در تضاد با مفاهیم استاندارد یادگیری ماشین در محیط آزمایشگاهی است. علاوه بر این، در پروداکشن باید بدون توقف، با حداقل هزینه و در عین حال حداکثر کارایی مدل را اجرا کنیم. در این دوره، یاد خواهیم گرفت که چگونه از ابزارها و متدولوژی‌های تثبیت شده برای انجام همه این کارها به طور موثر و کارآمد استفاده کنیم. در این دوره، شما با قابلیت‌ها، چالش‌ها و پیامدهای مهندسی یادگیری ماشین در پروداکشن آشنا می‌شوید.

 

مخاطبان:
این دوره برای پاسخگویی به طیف وسیعی از یادگیرندگان از جمله دانشمندان داده، مهندسان یادگیری ماشین که مایل هستند مدل‌های خود را مقیاس‌بندی و مدیریت کنند، مهندسین نرم‌افزار و متخصصان DevOps که می‌خواهند یادگیری ماشین را در حوزه خود بگنجانند، طراحی شده است.
همچنین برای مدیران فناوری اطلاعات و رهبران تیم با هدف ادغام پروژه‌های یادگیری ماشینی در جریان‌های کاری موجود مفید است. علاوه بر این، این دوره برای علاقه‌مندان به فناوری که قصد دارند با آخرین روندهای یادگیری ماشین آشنا شوند و دانشجویان یا فارغ‌التحصیلان تازه واردی که مشتاق شروع حرفه‌ای در یادگیری ماشین و عملیات (MLOps) هستند، مفید خواهد بود.

 

پیش‌نیاز: 
یادگیری ماشین
یادگیری عمیق
CI/CD

 

نحوه ارزیابی:
100 درصد آزمون پایانی

 

مدرس دوره

رامین  طوسی
رامین طوسی

دوره‌های پیشنهادی

هوش مصنوعی

هوش مصنوعی

هوش مصنوعی