توضیحات

آموزش استقرار و پیاده سازی مدل های یادگیری ماشین در فضای ابری

نام دوره : Deployment of Machine Learning Models

به روز رسانی 6/2022 با کیفیت 1080 به همراه تمامی تکالیف ویدیویی دوره انحصاری یودمی ایران

پیش نیاز:

• نصب پایتون
• نصب Git
• آشنایی به برنامه نویسی پایتون، از جمله آشنایی با Numpy، Pandas و Scikit-learn
• آشنایی با استفاده از IDE ها مانند Pycharm، Sublime، Spyder یا موارد مشابه
• آشنایی با نوشتن اسکریپت های پایتون و اجرای آنها از رابط خط فرمان
• آشنایی با دستورات اولیه git، از جمله کلون، فورک، ایجاد شعبه و پرداخت شعبه
• آشنایی با دستورات اولیه git از جمله وضعیت git، git add، git commit، git pull، git push
• آشنایی با دستورات اولیه CLI، از جمله پیمایش پوشه ها و استفاده از Git و Python از CLI
• دانش رگرسیون خطی و معیارهای ارزیابی مدل مانند MSE و R2

توضیحات:

به استقرار مدل های یادگیری ماشین، جامع ترین دوره آنلاین استقرار یادگیری ماشین که تا به امروز موجود است، خوش آمدید.

این دوره به شما نشان می دهد که چگونه مدل های یادگیری ماشین خود را از محیط تحقیق به یک محیط تولید کاملا یکپارچه ببرید .

استقرار مدل چیست؟

استقرار مدل‌های یادگیری ماشین، یا به‌طور ساده، تولید مدل‌ها، به معنای در دسترس قرار دادن مدل‌های خود برای سایر سیستم‌های درون سازمان یا وب است تا بتوانند داده‌ها را دریافت کنند و پیش‌بینی‌های خود را برگردانند.

از طریق استقرار مدل‌های یادگیری ماشین، می‌توانید استفاده کامل از مدلی را که ساخته‌اید شروع کنید.

دوره آموزش استقرار و پیاده سازی مدل های یادگیری ماشین در فضای ابری برای چه کسانی است؟

اگر به‌تازگی اولین مدل‌های یادگیری ماشینی خود را ساخته‌اید و می‌خواهید بدانید چگونه آنها را به تولید برسانید یا در یک API مستقر کنید،

اگر چند مدل را در سازمان خود مستقر کرده‌اید و می‌خواهید درباره بهترین شیوه‌های استقرار مدل بیشتر بدانید،

اگر یک توسعه‌دهنده نرم‌افزار مشتاق هستید که می‌خواهید در استقرار خطوط لوله یادگیری ماشین کاملاً یکپارچه قدم بگذارید،

این دوره به شما نشان می دهد که چگونه این کارها را انجام دهید.

در آموزش استقرار و پیاده سازی مدل های یادگیری ماشین در فضای ابریچه چیزی یاد خواهید گرفت؟

ما شما را گام به گام از طریق آموزش های ویدئویی جذاب راهنمایی می کنیم و هر آنچه را که برای شروع ایجاد یک مدل در محیط تحقیق نیاز دارید به شما آموزش می دهیم.

سپس نوت بوک های Jupyter را به کد تولید تبدیل می کنیم، کد را بسته بندی می کنیم و در یک API مستقر می کنیم.

به همه این ها یکپارچه سازی مداوم و تحویل مداوم را اضافه کنید.

ما در مورد مفهوم تکرارپذیری، چرایی اهمیت آن و چگونگی به حداکثر رساندن تکرارپذیری در حین استقرار، از طریق نسخه‌سازی، مخازن کد و استفاده از داکر بحث خواهیم کرد.

و همچنین در مورد ابزارها و پلتفرم های موجود برای استقرار مدل های یادگیری ماشین بحث خواهیم کرد.

به طور خاص، شما در آموزش استقرار و پیاده سازی مدل های یادگیری ماشین در فضای ابری یاد خواهید گرفت:

• مراحل مربوط به یک خط لوله یادگیری ماشین معمولی
• چگونه یک دانشمند داده در محیط تحقیق کار می کند
• نحوه تبدیل کد در نوت بوک های Jupyter به کد تولیدی
• نحوه نوشتن کد تولید، از جمله مقدمه آزمایش، ورود به سیستم و OOP
• نحوه استقرار مدل و ارائه پیش‌بینی‌ها از یک API
• نحوه ایجاد یک بسته پایتون
• نحوه استقرار در یک محیط تولید واقعی
• نحوه استفاده از داکر برای کنترل نرم افزار و نسخه های مدل
• چگونه یک لایه CI/CD اضافه کنیم
• چگونه می توان تعیین کرد که مدل مستقر شده، مدل ایجاد شده در محیط تحقیق را بازتولید می کند

در پایان دوره شما یک مرور کلی از کل چرخه عمر تحقیق، توسعه و استقرار یک مدل یادگیری ماشینی خواهید داشت و بهترین شیوه های کدنویسی و مواردی را که برای قرار دادن یک مدل در تولید باید در نظر بگیرید، درک خواهید کرد.

شما همچنین درک بهتری از ابزارهای در دسترس خود برای استقرار مدل های خود خواهید داشت و در موقعیت مناسبی قرار خواهید داشت که استقرار مدل ها را در هر جهتی که نیازهای سازمان شما را تامین می کند، پیش ببرید.

چه چیز دیگری باید بدانید؟

این دوره به شما کمک می کند تا اولین گام ها را در جهت تولید مدل های خود بردارید.

شما یاد خواهید گرفت که چگونه از یک نوت بوک Jupyter به یک مدل یادگیری ماشینی کاملاً مستقر، با در نظر گرفتن CI/CD و استقرار در پلتفرم ها و زیرساخت های ابری بروید.

اما، چیزهای بیشتری برای استقرار مدل وجود دارد، مانند نظارت بر مدل، هماهنگی استقرار پیشرفته با Kubernetes، و گردش کار برنامه‌ریزی‌شده با Airflow، و همچنین الگوهای آزمایشی مختلف مانند استقرار سایه‌ای که در این دوره پوشش داده نشده‌اند .

دوره آموزش استقرار و پیاده سازی مدل های یادگیری ماشین در فضای ابری برای چه کسانی است:

• دانشمندان داده که می خواهند اولین مدل یادگیری ماشینی خود را به کار گیرند
• دانشمندان داده ای که می خواهند بهترین شیوه ها را بیاموزند تا مدل خود را استقرار کنند
• توسعه دهندگان نرم افزاری که می خواهند به یادگیری ماشین بروند

بخشی از دوره :