کتاب ساخت و استقرار مدل‌های یادگیری ماشین با MLflow و Docker
, ,

کتاب ساخت و استقرار مدل‌های یادگیری ماشین با MLflow و Docker

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000020310 دسته: , , برچسب: , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ساخت و استقرار مدل‌های یادگیری ماشین با MLflow و Docker

موضوع کلی: برنامه نویسی

موضوع میانی: حوزه‌های تخصصی**

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. مبانی پایتون برای یادگیری ماشین
  • 3. ساختارهای داده در پایتون
  • 4. الگوریتم‌های کلیدی در پایتون
  • 5. مفاهیم اولیه MLflow
  • 6. نصب و راه‌اندازی MLflow
  • 7. ثبت پارامترهای مدل در MLflow
  • 8. ثبت معیارهای ارزیابی مدل در MLflow
  • 9. ثبت Artifacts مدل در MLflow
  • 10. رابط کاربری MLflow (UI)
  • 11. جستجو و مقایسه آزمایش‌ها در MLflow
  • 12. مدیریت آزمایش‌ها در MLflow
  • 13. مدیریت Runها در MLflow
  • 14. مدیریت مدل‌ها در MLflow Registry
  • 15. استقرار مدل‌ها با MLflow
  • 16. مقدمه‌ای بر Docker
  • 17. مفاهیم کلیدی Docker
  • 18. نصب و راه‌اندازی Docker
  • 19. نوشتن Dockerfile
  • 20. ساخت Image در Docker
  • 21. اجرای Container در Docker
  • 22. شبکه‌بندی در Docker
  • 23. مدیریت Volume در Docker
  • 24. Docker Compose
  • 25. نصب و راه‌اندازی MLflow با Docker
  • 26. استقرار مدل‌های MLflow با Docker
  • 27. مقدمه‌ای بر خطوط لوله ML (ML Pipelines)
  • 28. طراحی خطوط لوله ML
  • 29. اجزای خطوط لوله ML
  • 30. مثال عملی خط لوله ML
  • 31. ادغام MLflow و خطوط لوله ML
  • 32. مدیریت وابستگی‌ها در پروژه‌های ML
  • 33. استفاده از `requirements.txt`
  • 34. مدیریت محیط‌های مجازی پایتون
  • 35. استفاده از Pipenv
  • 36. استفاده از Poetry
  • 37. مفاهیم CI/CD (Continuous Integration/Continuous Deployment)
  • 38. اصول CI/CD در یادگیری ماشین
  • 39. ابزارهای CI/CD
  • 40. ادغام CI/CD با MLflow
  • 41. ادغام CI/CD با Docker
  • 42. استقرار خودکار مدل‌ها
  • 43. تست مدل‌ها
  • 44. انواع تست در یادگیری ماشین
  • 45. تست واحد برای کد مدل
  • 46. تست ادغام برای خطوط لوله ML
  • 47. تست A/B برای مدل‌های مستقر شده
  • 48. مانیتورینگ مدل‌های مستقر شده
  • 49. معیارهای مانیتورینگ
  • 50. ابزارهای مانیتورینگ
  • 51. نحوه مانیتورینگ با MLflow
  • 52. نحوه مانیتورینگ با Docker
  • 53. پیشگیری از Drift مدل
  • 54. تشخیص Drift مدل
  • 55. مدیریت Drift مدل
  • 56. امنیت در استقرار مدل‌های ML
  • 57. امنیت Docker Containerها
  • 58. امنیت MLflow Server
  • 59. مدیریت دسترسی‌ها
  • 60. مقیاس‌پذیری در استقرار مدل‌ها
  • 61. استفاده از Orchestration Tools
  • 62. Kubernetes برای استقرار ML
  • 63. استقرار مدل‌های ML بر روی Kubernetes
  • 64. مقدمه‌ای بر MLOps
  • 65. اصول MLOps
  • 66. تفاوت MLops با DevOps
  • 67. چالش‌های MLOps
  • 68. ابزارهای MLOps
  • 69. نقش MLflow در MLOps
  • 70. نقش Docker در MLOps
  • 71. ملاحظات اخلاقی در یادگیری ماشین
  • 72. سوگیری (Bias) در داده‌ها و مدل‌ها
  • 73. شفافیت (Transparency) در مدل‌ها
  • 74. قابلیت توضیح (Explainability) مدل‌ها
  • 75. مسئولیت‌پذیری (Accountability)
  • 76. استفاده از Feature Stores
  • 77. مقدمه‌ای بر Feature Stores
  • 78. نحوه کار Feature Stores
  • 79. مزایای Feature Stores
  • 80. ادغام Feature Stores با MLflow
  • 81. ادغام Feature Stores با Docker
  • 82. استقرار مدل‌های پیچیده
  • 83. مدل‌های Deep Learning
  • 84. استقرار مدل‌های Deep Learning با MLflow
  • 85. استقرار مدل‌های Deep Learning با Docker
  • 86. استفاده از Serverless برای استقرار مدل‌ها
  • 87. AWS Lambda
  • 88. Google Cloud Functions
  • 89. Azure Functions
  • 90. استقرار مدل‌های Serverless با MLflow
  • 91. استقرار مدل‌های Serverless با Docker
  • 92. استقرار مدل‌های Real-time
  • 93. Streaming Data Processing
  • 94. استقرار مدل‌های Real-time با MLflow
  • 95. استقرار مدل‌های Real-time با Docker
  • 96. استقرار مدل‌های Batch
  • 97. پردازش Batch با MLflow
  • 98. پردازش Batch با Docker
  • 99. بهینه‌سازی مدل‌ها برای استقرار
  • 100. Quantization

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب ساخت و استقرار مدل‌های یادگیری ماشین با MLflow و Docker”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا