MLOps (عملیات یادگیری ماشین)
مدلهای ML رو پایدار و مقیاسپذیر اجرا کن!
سید فریدالدین کیاییML engineer at TOSAN
۸ ساعت
۴.۱/۵
۱۶۰ نفر
دستیار هوش مصنوعی
گواهینامه
ارزیابی
دوره آموزش MLOps (عملیات یادگیری ماشین)
ساختن یک مدل یادگیری ماشین فقط نیمی از مسیر است؛ چالش واقعی از جایی شروع میشود که قرار است مدل را وارد محیط واقعی کنید، بهروزرسانی کنید و مطمئن شوید همچنان درست کار میکند.
در دوره MLOps یاد میگیرید چطور پروژههای ML را از مرحله توسعه و مدیریت داده و آزمایش، تا بستهبندی، استقرار و مانیتورینگ پیش ببرید.
در این آموزش MLOps با Version Control، مدیریت محیط و وابستگیها، تست مدل، CI/CD، پایش عملکرد و مفاهیمی مثل Model Drift آشنا میشوید تا بتوانید مدلهای یادگیری ماشین را به شکلی استاندارد و قابلاتکا به Production برسانید.
سرفصل های دوره MLOps (عملیات یادگیری ماشین)
۳ فصل
۱۶ جلسه
۸ ساعت
۱.
آموزش MLOps: مفاهیم و چالشهای اساسی
۰۰:۳۸:۴۴
۲.
آشنایی با MLOps و نمونه کد تشخیص نقص محصولات
۰۰:۱۶:۲۰
۳.
پیکربندی و بهترین روشها در MLOps
۰۰:۳۸:۳۳
۴.
بهبود و ساختاردهی پروژههای ML با Git و Workflow
۰۰:۱۷:۵۷
۵.
مدیریت وابستگیها در سیستمهای یادگیری ماشین
۰۰:۳۵:۰۱
۶.
ایجاد و مدیریت Environment در Python و Docker
۰۰:۲۳:۰۳
۷.
مدیریت ورژندهی دیتا در پروژههای ML
۰۰:۴۲:۳۴
۸.
آموزش کنترل نسخه دادهها با DVC و MLflow
۰۰:۳۲:۲۳
۹.
توسعه و تست مدل در MLOps: اصول و استراتژیها
۰۰:۴۷:۵۴
۱۰.
بهبود کد و تستنویسی در پروژههای یادگیری ماشین
۰۰:۳۰:۰۰
۱۱.
آمادگی و دیپلوی مدلهای یادگیری ماشین با FastAPI
۰۰:۳۷:۴۰
۱۲.
مدلسازی و تولید سیستمهای یادگیری ماشین
۰۰:۱۸:۰۹
۱۳.
مدیریت خطاها و مقیاسپذیری در APIها
۰۰:۲۴:۲۶
۱۴.
استراتژیهای دیپلوی و مانیتورینگ مدلهای MLOps
۰۰:۱۲:۵۳
۱۵.
مدیریت Model Drift در یادگیری ماشین
۰۰:۲۹:۲۲
۱۶.
استخراج بهترین شیوهها در CI/CD برای MLOps
۰۰:۴۷:۴۱
مدرس دوره
سید فریدالدین کیایی
ML engineer at TOSAN
سوالات متداول
بوتکمپهای مرتبط
کارجویان
آکادمی (بوتکمپ)
آکادمی (بوتکمپ پرو)
آکادمی (اسکیلکمپ)
دارای مجوز رسمی کاریابی الکترونیک و آموزش فنی و حرفهای
از وزارت کار، تعاون و رفاه اجتماعی
© ۱۴۰۵ تمام حقوق و محتویات این سایت متعلق به شرکت میزان بنیان
می باشد