آموزش کاربردی ML flow

دوره‌ی MLflow یک برنامه‌ی آموزشی جامع و پروژه‌محور است که با هدف آموزش مدیریت چرخه‌ی کامل توسعه‌ی مدل‌های یادگیری ماشین طراحی شده است. در این دوره، فراگیران از آشنایی اولیه با مفاهیم و اجزای اصلی MLflow شروع کرده و به‌صورت گام‌به‌گام وارد فرآیند تعریف مسئله، آماده‌سازی داده، آموزش مدل‌ها و مدیریت حرفه‌ای آزمایش‌ها (Experiments) می‌شوند. در طول دوره، شرکت‌کنندگان با نحوه‌ی تحلیل اولیه دیتاست، مدیریت داده‌های نامتوازن (imbalanced)، ساخت مدل‌های اولیه و ثبت دقیق نتایج آموزش آشنا می‌شوند و می‌آموزند چگونه با استفاده از Experiment Tracking عملکرد مدل‌ها، پارامترها و خروجی‌ها را به‌صورت ساخت‌یافته ذخیره و مقایسه کنند. همچنین مفاهیم کلیدی مانند Model Registry، بارگذاری و نسخه‌بندی مدل‌ها و مدیریت چرخه‌ی عمر مدل‌ها به‌صورت عملی آموزش داده می‌شود. یکی از بخش‌های مهم این دوره، تمرکز بر پیاده‌سازی استانداردهای عملیاتی است؛ به‌طوری‌که فراگیران با اصول ساختاردهی صحیح پروژه‌های یادگیری ماشین، پیکربندی محیط اجرا و استفاده از Docker برای استقرار MLflow بر روی سرور آشنا می‌شوند. در نهایت، تمامی خروجی‌ها، آزمایش‌ها و نتایج مدل‌ها در محیط MLflow نمایش داده شده و تحلیل می‌شوند تا دیدی جامع نسبت به عملکرد مدل‌ها و فرآیند توسعه آن‌ها ایجاد شود. در پایان این دوره، شرکت‌کنندگان توانایی طراحی، مدیریت و پایش حرفه‌ای پروژه‌های یادگیری ماشین را خواهند داشت و می‌توانند MLflow را به‌عنوان یک ابزار استاندارد در پروژه‌های واقعی تحقیقاتی و صنعتی به‌کار بگیرند.