سپنتا کتاب اکسپرس
کتاب ساخت و استقرار مدل‌های یادگیری ماشین در ابر گوگل با رویکرد CI/CD و Vertex AI

کتاب ساخت و استقرار مدل‌های یادگیری ماشین در ابر گوگل با رویکرد CI/CD و Vertex AI

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 ساخت و استقرار مدل‌های یادگیری ماشین در ابر گوگل با رویکرد CI/CD و Vertex AI

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی یادگیری ماشین و توسعه پلتفرم‌های ابری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی
  • 2. اصول یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مفاهیم کلیدی یادگیری ماشین
  • 8. ویژگی‌ها و برچسب‌ها
  • 9. مدل‌ها و الگوریتم‌ها
  • 10. ارزیابی مدل
  • 11. مقدمه‌ای بر توسعه پلتفرم‌های ابری
  • 12. مفهوم ابر گوگل (Google Cloud)
  • 13. خدمات کلیدی ابر گوگل
  • 14. محاسبات در ابر گوگل
  • 15. ذخیره‌سازی در ابر گوگل
  • 16. شبکه‌سازی در ابر گوگل
  • 17. امنیت در ابر گوگل
  • 18. مقدمه‌ای بر مهندسی یادگیری ماشین
  • 19. چرخه عمر یادگیری ماشین
  • 20. جمع‌آوری و آماده‌سازی داده‌ها
  • 21. پاکسازی و پیش‌پردازش داده‌ها
  • 22. مهندسی ویژگی
  • 23. انتخاب ویژگی
  • 24. توسعه مدل
  • 25. آموزش مدل
  • 26. اعتبارسنجی مدل
  • 27. تنظیم هایپرپارامترها
  • 28. استقرار مدل
  • 29. نظارت بر مدل
  • 30. مدیریت مدل
  • 31. مقدمه‌ای بر CI/CD در یادگیری ماشین
  • 32. اصول Continuous Integration (CI)
  • 33. اصول Continuous Delivery/Deployment (CD)
  • 34. پیاده‌سازی CI/CD برای پروژه‌های یادگیری ماشین
  • 35. ابزارهای CI/CD
  • 36. مقدمه‌ای بر Vertex AI
  • 37. قابلیت‌های Vertex AI
  • 38. مدیریت داده در Vertex AI
  • 39. آموزش مدل با Vertex AI
  • 40. ارزیابی مدل با Vertex AI
  • 41. تنظیم هایپرپارامتر با Vertex AI
  • 42. استقرار مدل با Vertex AI
  • 43. نظارت بر مدل با Vertex AI
  • 44. مدیریت مدل با Vertex AI
  • 45. مقدمه‌ای بر Kubeflow
  • 46. قابلیت‌های Kubeflow
  • 47. پیپ‌لاین‌های Kubeflow
  • 48. آموزش مدل با Kubeflow
  • 49. استقرار مدل با Kubeflow
  • 50. استفاده از Kubeflow در ابر گوگل
  • 51. مقدمه‌ای بر استقرار خودکار مدل
  • 52. تکنیک‌های استقرار خودکار
  • 53. نظارت بر استقرار
  • 54. بازگشت به نسخه قبلی
  • 55. مدیریت نسخه مدل
  • 56. مدیریت زیرساخت برای یادگیری ماشین
  • 57. استفاده از ماشین‌های مجازی (VMs)
  • 58. کانتینرسازی با Docker
  • 59. ارکستراسیون کانتینر با Kubernetes
  • 60. مدیریت منابع در ابر گوگل
  • 61. امنیت در توسعه یادگیری ماشین
  • 62. اصول امنیت داده
  • 63. امنیت مدل
  • 64. مدیریت دسترسی و هویت
  • 65. پروتکل‌های امنیتی
  • 66. اخلاق در هوش مصنوعی
  • 67. سوگیری در مدل‌ها
  • 68. شفافیت و توضیح‌پذیری مدل
  • 69. مسئولیت‌پذیری در هوش مصنوعی
  • 70. کاربرد هوش مصنوعی در صنایع مختلف
  • 71. هوش مصنوعی در سلامت
  • 72. هوش مصنوعی در مالی
  • 73. هوش مصنوعی در خرده‌فروشی
  • 74. هوش مصنوعی در تولید
  • 75. مقدمه‌ای بر پروژه‌های عملی
  • 76. طراحی پروژه یادگیری ماشین
  • 77. جمع‌آوری داده برای پروژه
  • 78. پیش‌پردازش داده برای پروژه
  • 79. مهندسی ویژگی برای پروژه
  • 80. انتخاب مدل برای پروژه
  • 81. آموزش و ارزیابی مدل برای پروژه
  • 82. تنظیم هایپرپارامتر برای پروژه
  • 83. استقرار مدل برای پروژه
  • 84. نظارت بر مدل مستقر شده
  • 85. بهینه‌سازی مدل
  • 86. مقدمه‌ای بر مفاهیم پیشرفته
  • 87. یادگیری عمیق
  • 88. شبکه‌های عصبی کانولوشنال (CNN)
  • 89. شبکه‌های عصبی بازگشتی (RNN)
  • 90. شبکه‌های مولد تخاصمی (GAN)
  • 91. پردازش زبان طبیعی (NLP)
  • 92. بینایی ماشین
  • 93. یادگیری تقویتی پیشرفته
  • 94. مقدمه‌ای بر معماری‌های مدرن
  • 95. ترنسفورمرها
  • 96. مدل‌های زبان بزرگ (LLMs)
  • 97. کاربرد LLMs در پروژه‌های عملی
  • 98. ملاحظات عملی در استقرار مدل‌ها
  • 99. بهینه‌سازی عملکرد مدل
  • 100. مدیریت هزینه‌ها در ابر گوگل

📚 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.