توضیحات

آموزش پروژه محور عملیات یادگیری ماشین (MLOps) در AWS

نام دوره : Practical MLOps: AWS Mastery for Data Scientists & DevOps

پیش نیاز:

• دانش اولیه AWS
• حساب AWS برای قسمت های عملی
• پدانش اولیه یادگیری ماشین و یادگیری عمیق

توضیحات:

به “MLOps عملی برای دانشمندان داده و مهندسان DevOps با AWS” خوش آمدید

آیا آماده هستید تا حرفه خود را در توسعه هوش مصنوعی و یادگیری ماشین (AI/ML) یا علم داده به ارتفاعات جدید سوق دهید؟

این دوره جامع با دقت برای افرادی که آرزوی برتری در این حوزه ها را دارند طراحی شده است و طرز فکری در سطح تولید ارائه می دهد که فراتر از اصول اولیه است.

نمای کلی دوره: تسلط بر MLO ها با AWS

**1. مهارت های خود را بالا ببرید:

طراحی، ساخت، استقرار، بهینه سازی، آموزش، تنظیم و نگهداری راه حل های ML با استفاده از AWS Cloud.

یک طرز فکر سطح تولید را که برای یادگیری ماشینی در ارتباط با بهترین شیوه‌های DevOps طراحی شده است، بپذیرید.

**2. فراتر از مبانی:

بهترین شیوه های آموزش مدل را در مجموعه داده های گسترده مبتنی بر ابر استفاده کنید.

نشان دادن تخصص در بهترین شیوه های استقرار برای عملکرد سازگار.

اجرای بهترین شیوه های عملیاتی برای تضمین عدم توقف زمان.

**3. مسیر یادگیری ساختاریافته:

یک مسیر منطقی و ساختار یافته را با توضیحات عمیق، تمرین های عملی و نمایش های مرتبط دنبال کنید.

با پیاده‌سازی راه‌حل‌های مقیاس‌پذیر در AWS، در مقابله با چالش‌های تجاری در دنیای واقعی مهارت کسب کنید.

ساختار دوره: سفر از طریق تسلط

بخش 1: مقدمه ای بر دوره AWSMLOPS و مدرس

با اهداف دوره و مربی مجرب پیشرو آشنا شوید.

بخش 2: درک MLOs

با درک مفاهیم اصلی MLOps، اهمیت و کاربرد آن را درک کنید.

بخش 3: اصول DevOps برای دانشمندان داده

اصول DevOps را که برای دانشمندان داده طراحی شده است، کاوش کنید و شکاف بین توسعه و عملیات را پر کنید.

بخش 4: شروع به کار با AWS

با پلتفرم AWS آشنا شوید و پایه و اساس بخش های بعدی را بگذارید.

بخش 5-16: کاوش عمیق

کاوشی جامع از موضوعات کلیدی، از جمله AWS CodeBuild، AWS CodeDeploy، AWS CodePipeline، Docker Containers، Amazon SageMaker، Feature Engineering، SageMaker Pipelines و موارد دیگر.

آموزش عملی: برنامه های کاربردی در دنیای واقعی

ابزارها و فناوری های تحت پوشش:

• جذب و جمع آوری داده ها
• پردازش داده و ETL (Extract، Transform، Load)
• تجزیه و تحلیل داده ها و تجسم
• آموزش و استقرار مدل/استنتاج
• جنبه های عملیاتی یادگیری ماشین
• خدمات کاربردی یادگیری ماشین AWS
• نوت بوک ها و محیط های توسعه یکپارچه (IDE)
• کنترل نسخه با AWS CodeCommit
• Amazon Athena، AWS Batch، Amazon EC2
• رجیستری ظروف الاستیک آمازون (Amazon ECR)، چسب AWS
• Amazon CloudWatch، AWS Lambda
• Amazon S3 برای ذخیره سازی و مقیاس پذیری
• دسترسی به مواد درسی:
• همه مطالب دوره، از جمله کد منبع، در GitHub برای دسترسی راحت از هر نقطه در دسترس هستند.

سفر MLOps را آغاز کنید: امروز مهارت های خود را ارتقا دهید

چرا دوره آموزش پروژه محور عملیات یادگیری ماشین (MLOps) در AWS را انتخاب کنید؟

• در ارتباط با شیوه‌های DevOps، ذهنیتی در سطح تولید به دست آورید که برای هوش مصنوعی/ML طراحی شده است.
• کسب مهارت در استقرار راه حل ها در مجموعه داده های مقیاس پذیر فراتر از لپ تاپ های شخصی.
• کاوش جامع خدمات AWS برای MLOها بسیار مهم است.
• برنامه های کاربردی دنیای واقعی و پروژه های عملی برای یادگیری عملی.
• موفقیت شما در MLOps از اینجا شروع می شود:
• خود را به جدیدترین ابزارها و بهترین شیوه ها در پلتفرم AWS مجهز کنید.
• با اعتماد به نفس با چالش های پیچیده تجاری مقابله کنید.
• حرفه خود را به ارتفاعات جدیدی در دنیای MLO ها سوق دهید.

دوره آموزش پروژه محور عملیات یادگیری ماشین (MLOps) در AWS برای چه کسانی است:

• هر کسی که برای مصاحبه های علوم داده، یادگیری ماشین و یادگیری عمیق آماده می شود
• هر کسی که علاقه مند به یادگیری نحوه پیاده سازی یادگیری ماشین در داده های مقیاس بزرگ است
• هر کسی که علاقه مند به یادگیری ماشینی مبتنی بر ابر AWS و علم داده است
• هر کسی که به دنبال یادگیری بهترین روش ها برای استقرار مدل های یادگیری ماشین در Cloud است
• هر کسی که به دنبال یادگیری بهترین روش ها برای عملیاتی کردن مدل های یادگیری ماشین است