دوره Google Cloud Platform: استقرار و مدیریت برنامه های Batch با Ray (پیشرفته) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: استقرار و مدیریت برنامه های Batch با Ray (پیشرفته)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. آشنایی با Ray و معماری آن
• 2. مبانی پردازش توزیع‌شده با Ray
• 3. نصب و پیکربندی اولیه Ray
• 4. اجرای توابع ساده با Ray.remote
• 5. مدیریت منابع در Ray
• 6. مقدمه‌ای بر Ray Actors
• 7. نوشتن و اجرای Ray Actors
• 8. ارتباط بین Ray Actors
• 9. مدیریت وضعیت در Ray Actors
• 10. مقدمه‌ای بر Ray Datasets
• 11. بارگذاری و پیش‌پردازش داده با Ray Datasets
• 12. عملیات تبدیل داده با Ray Datasets
• 13. ادغام و ترکیب Ray Datasets
• 14. ذخیره‌سازی Ray Datasets
• 15. مقدمه‌ای بر Ray Tune
• 16. تنظیم هایپرپارامترها با Ray Tune
• 17. استراتژی‌های جستجو در Ray Tune
• 18. مدیریت آزمایش‌ها در Ray Tune
• 19. نظارت بر آزمایش‌های Ray Tune
• 20. مقایسه نتایج آزمایش‌ها در Ray Tune
• 21. مقدمه‌ای بر Ray Train
• 22. آموزش مدل‌های یادگیری عمیق با Ray Train
• 23. استفاده از چارچوب‌های یادگیری عمیق با Ray Train
• 24. آموزش توزیع‌شده با Ray Train
• 25. مدیریت Checkpoint در Ray Train
• 26. ارزیابی مدل‌ها در Ray Train
• 27. مقدمه‌ای بر Ray Serve
• 28. استقرار مدل‌ها با Ray Serve
• 29. مدیریت API در Ray Serve
• 30. مقیاس‌پذیری برنامه‌ها با Ray Serve
• 31. نظارت بر سرویس‌های Ray Serve
• 32. بهینه‌سازی عملکرد Ray Serve
• 33. مقدمه‌ای بر Batch Processing با Ray
• 34. طراحی معماری Batch Processing با Ray
• 35. پیاده‌سازی Jobهای Batch با Ray
• 36. زمان‌بندی Jobهای Batch با Ray
• 37. مدیریت خطا در Jobهای Batch
• 38. مانیتورینگ Jobهای Batch
• 39. پردازش داده‌های حجیم با Ray Batch
• 40. بهینه‌سازی مصرف منابع در Ray Batch
• 41. اجرای Batch با استفاده از Ray Datasets
• 42. یکپارچه‌سازی Ray Batch با سیستم‌های ذخیره‌سازی
• 43. مقدمه‌ای بر تطبیق‌پذیری Ray برای Batch
• 44. طراحی سیستم‌های Batch پویا با Ray
• 45. مدیریت حجم متغیر داده در Batch
• 46. پردازش رویدادهای بلادرنگ در Batch
• 47. استفاده از Ray برای Batchهای پیچیده
• 48. مقدمه‌ای بر Patternهای پیشرفته Batch
• 49. Batchهای مبتنی بر جریان داده با Ray
• 50. Batchهای دسته‌ای و پردازش موازی
• 51. مدیریت وابستگی‌ها در Batchهای پیچیده
• 52. استفاده از Ray Actors برای Orchestration Batch
• 53. مقدمه‌ای بر امنیت در Ray
• 54. مدیریت دسترسی در Ray
• 55. رمزنگاری داده‌ها در Ray
• 56. پیکربندی امن Ray Cluster
• 57. نظارت امنیتی بر Ray
• 58. مقدمه‌ای بر پایش و لاگینگ در Ray
• 59. تنظیمات پیشرفته پایش Ray
• 60. تحلیل لاگ‌ها برای عیب‌یابی
• 61. استفاده از ابزارهای خارجی برای پایش Ray
• 62. مدیریت لاگ‌های توزیع‌شده
• 63. مقدمه‌ای بر بهینه‌سازی عملکرد Ray
• 64. تکنیک‌های بهینه‌سازی کد Ray
• 65. مدیریت حافظه در Ray
• 66. بهینه‌سازی ارتباطات بین نودها
• 67. استفاده از Profiling برای شناسایی Bottleneck
• 68. مقدمه‌ای بر قابلیت اطمینان در Ray
• 69. پیاده‌سازی Fault Tolerance در Ray
• 70. بازیابی از خطا در Ray Cluster
• 71. تست قابلیت اطمینان Ray
• 72. مقدمه‌ای بر استقرار Ray در محیط‌های تولید
• 73. استقرار Ray بر روی Kubernetes
• 74. استقرار Ray بر روی Cloud Providerهای ایرانی
• 75. مدیریت Ray Cluster در محیط تولید
• 76. به‌روزرسانی و نگهداری Ray Cluster
• 77. مقدمه‌ای بر Case Studyهای موفق Ray
• 78. مطالعات موردی پردازش داده‌های مالی
• 79. مطالعات موردی پردازش داده‌های علمی
• 80. مطالعات موردی یادگیری ماشین توزیع‌شده
• 81. مطالعات موردی Batch Processing صنعتی
• 82. مقدمه‌ای بر ابزارهای توسعه Ray
• 83. استفاده از IDEها با Ray
• 84. دیباگ کردن برنامه‌های Ray
• 85. نوشتن تست واحد برای Ray Components
• 86. مقدمه‌ای بر آینده Ray و پردازش Batch
• 87. روندهای جدید در پردازش توزیع‌شده
• 88. نقش Ray در پردازش Batch آینده
• 89. چالش‌های پیش رو در Ray
• 90. بهبودهای آتی در Ray