سپنتا کتاب اکسپرس
کتاب مهندسی یادگیری ماشین با Google Cloud: مدیریت چرخه عمر پروژه‌های ML

کتاب مهندسی یادگیری ماشین با Google Cloud: مدیریت چرخه عمر پروژه‌های ML

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی یادگیری ماشین با Google Cloud: مدیریت چرخه عمر پروژه‌های ML

موضوع کلی: علم داده و هوش مصنوعی در عمل

موضوع میانی: توسعه و استقرار مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی یادگیری ماشین
  • 2. اصول پایپ‌لاین‌های یادگیری ماشین
  • 3. معرفی TensorFlow Extended (TFX)
  • 4. مراحل پایپ‌لاین TFX
  • 5. پردازش و اعتبارسنجی داده‌ها در TFX
  • 6. تجزیه و تحلیل داده‌ها با TFX
  • 7. توسعه ویژگی‌ها با TFX
  • 8. آموزش مدل با TFX
  • 9. ارزیابی مدل با TFX
  • 10. انتشار مدل با TFX
  • 11. معرفی Cloud Composer
  • 12. مفاهیم Apache Airflow
  • 13. ساخت پایپ‌لاین‌ها با Cloud Composer
  • 14. زمان‌بندی و اجرای پایپ‌لاین‌ها
  • 15. نظارت بر پایپ‌لاین‌ها در Cloud Composer
  • 16. مدیریت وابستگی‌ها در Cloud Composer
  • 17. یکپارچه‌سازی TFX با Cloud Composer
  • 18. معرفی MLflow
  • 19. ردیابی آزمایش‌ها در MLflow
  • 20. ثبت پارامترها و معیارها در MLflow
  • 21. مدیریت مدل‌ها در MLflow
  • 22. استقرار مدل‌ها با MLflow
  • 23. مقایسه آزمایش‌ها در MLflow
  • 24. داشبوردهای MLflow
  • 25. یکپارچه‌سازی TFX با MLflow
  • 26. یکپارچه‌سازی Cloud Composer با MLflow
  • 27. مرور کلی چرخه عمر مدل ML
  • 28. جمع‌آوری و آماده‌سازی داده‌ها
  • 29. کاوش و تجسم داده‌ها
  • 30. پیش‌پردازش داده‌ها
  • 31. انتخاب و مهندسی ویژگی
  • 32. انتخاب الگوریتم مدل
  • 33. آموزش مدل‌های پایه
  • 34. تنظیم ابرپارامترها
  • 35. ارزیابی عملکرد مدل
  • 36. انتخاب مدل نهایی
  • 37. بسته‌بندی مدل
  • 38. استقرار مدل در محیط عملیاتی
  • 39. نظارت بر مدل مستقر شده
  • 40. بازآموزی مدل
  • 41. مدیریت نسخه‌های مدل
  • 42. خودکارسازی پایپ‌لاین‌ها
  • 43. مقدمه‌ای بر مفاهیم ابری
  • 44. Google Cloud Platform (GCP)
  • 45. سرویس‌های GCP برای ML
  • 46. Google Kubernetes Engine (GKE)
  • 47. Cloud Storage
  • 48. BigQuery
  • 49. AI Platform Training
  • 50. AI Platform Prediction
  • 51. Vertex AI Overview
  • 52. Vertex AI Pipelines
  • 53. Vertex AI Experiments
  • 54. Vertex AI Model Registry
  • 55. Vertex AI Endpoints
  • 56. Dataflow
  • 57. Dataproc
  • 58. Cloud Functions
  • 59. Cloud Run
  • 60. امنیت در پروژه‌های ML
  • 61. حریم خصوصی داده‌ها
  • 62. اصول اخلاقی در هوش مصنوعی
  • 63. مسئولیت‌پذیری در هوش مصنوعی
  • 64. توضیح‌پذیری مدل‌های ML
  • 65. کاهش سوگیری در مدل‌ها
  • 66. مدیریت ریسک در پروژه‌های ML
  • 67. استانداردهای کیفیت در ML
  • 68. مستندسازی پروژه‌های ML
  • 69. مدیریت دانش در تیم‌های ML
  • 70. همکاری در پروژه‌های ML
  • 71. ابزارهای همکاری تیمی
  • 72. بهینه‌سازی پایپ‌لاین‌ها
  • 73. مقیاس‌پذیری پایپ‌لاین‌ها
  • 74. عیب‌یابی پایپ‌لاین‌ها
  • 75. نکات پیشرفته در TFX
  • 76. نکات پیشرفته در Cloud Composer
  • 77. نکات پیشرفته در MLflow
  • 78. معماری‌های مدرن ML
  • 79. MLOps: اصول و روش‌ها
  • 80. اتوماسیون فرآیندهای ML
  • 81. مدیریت پیکربندی در ML
  • 82. استقرار مداوم در ML
  • 83. تست در چرخه عمر ML
  • 84. پایش و هشدار در ML
  • 85. بازخورد در چرخه عمر ML
  • 86. مقدمه‌ای بر یادگیری عمیق در عمل
  • 87. شبکه‌های عصبی کانولوشنی
  • 88. شبکه‌های عصبی بازگشتی
  • 89. پردازش زبان طبیعی با مدل‌های ترنسفورمر
  • 90. بینایی ماشین با مدل‌های پیشرفته
  • 91. کاربرد ML در کسب‌وکار
  • 92. تحلیل داده‌های مشتری
  • 93. پیش‌بینی فروش
  • 94. بهینه‌سازی عملیات
  • 95. سیستم‌های توصیه‌گر
  • 96. تحلیل احساسات
  • 97. خودکارسازی وظایف
  • 98. آینده مهندسی یادگیری ماشین

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.