سپنتا کتاب اکسپرس
کتاب ساخت و مدیریت خطوط لوله یادگیری ماشین با ابزارهای متن‌باز و ابری (TensorFlow Extended, MLflow)

کتاب ساخت و مدیریت خطوط لوله یادگیری ماشین با ابزارهای متن‌باز و ابری (TensorFlow Extended, MLflow)

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 مدیریت خطوط لوله یادگیری ماشین با ابزارهای متن‌باز و ابری (TensorFlow Extended, MLflow)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و مدیریت خطوط لوله یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین و هوش مصنوعی
  • 2. مقدمه‌ای بر خطوط لوله یادگیری ماشین
  • 3. اهمیت خطوط لوله در پروژه‌های ML
  • 4. چرخه حیات پروژه یادگیری ماشین
  • 5. معرفی TensorFlow Extended (TFX)
  • 6. مفاهیم کلیدی TFX: اجزا و جریان کار
  • 7. نصب و پیکربندی محیط TFX
  • 8. اولین خط لوله TFX: بررسی اجمالی
  • 9. آماده‌سازی داده‌ها برای TFX
  • 10. انجام تبدیل و مهندسی ویژگی با TFX Transform
  • 11. اعتبارسنجی داده‌ها با TFX Data Validation
  • 12. آموزش مدل با TensorFlow در TFX
  • 13. ارزیابی مدل و معیارهای عملکرد
  • 14. استقرار مدل آموزش‌دیده
  • 15. مقدمه‌ای بر MLflow
  • 16. نصب و پیکربندی MLflow
  • 17. ردیابی آزمایش‌ها و پارامترها در MLflow
  • 18. ثبت مصنوعات و معیارهای مدل
  • 19. مدیریت نسخه‌های مدل در MLflow
  • 20. استقرار مدل‌ها با MLflow
  • 21. معرفی Cloud Composer (Apache Airflow)
  • 22. مبانی Apache Airflow
  • 23. نصب و پیکربندی Cloud Composer
  • 24. نوشتن DAGها در Airflow
  • 25. زمان‌بندی و اجرای گردش کار
  • 26. مدیریت وابستگی‌ها در Airflow
  • 27. اتصال Airflow به سرویس‌های ابری
  • 28. ادغام TFX با Airflow
  • 29. ساخت خط لوله TFX قابل اجرا در Airflow
  • 30. خودکارسازی آموزش مدل با Airflow
  • 31. زمان‌بندی ارزیابی و اعتبارسنجی مدل
  • 32. استقرار خودکار مدل‌ها
  • 33. نظارت بر خطوط لوله ML
  • 34. مدیریت خطا و بازیابی در خطوط لوله
  • 35. ثبت و لاگ‌برداری در خطوط لوله ML
  • 36. بازنگری و بهبود خطوط لوله
  • 37. مفاهیم MLOps
  • 38. اصول DevOps برای ML
  • 39. تست در خطوط لوله ML
  • 40. کنترل نسخه برای کد و داده
  • 41. حاکمیت داده در خطوط لوله ML
  • 42. امنیت در خطوط لوله ML
  • 43. کاربرد TFX در سناریوهای واقعی
  • 44. کاربرد MLflow در پروژه‌های بزرگ
  • 45. استفاده از Composer برای ارکستراسیون پیچیده
  • 46. مدیریت مدل‌های چند فریم‌ورکی
  • 47. استراتژی‌های بازاستفاده از اجزای خط لوله
  • 48. توسعه خطوط لوله مقیاس‌پذیر
  • 49. بهینه‌سازی عملکرد خطوط لوله
  • 50. پیش‌پردازش داده‌های پیچیده
  • 51. هوش مصنوعی توضیحی (XAI) در خطوط لوله
  • 52. استفاده از TensorFlow Probability
  • 53. تکنیک‌های تنظیم ابرپارامترها
  • 54. یادگیری انتقالی و تنظیم دقیق مدل‌ها
  • 55. مدیریت داده‌های حجیم در خطوط لوله
  • 56. استفاده از ابزارهای پردازش توزیع‌شده
  • 57. خطوط لوله برای مدل‌های پردازش زبان طبیعی (NLP)
  • 58. خطوط لوله برای مدل‌های بینایی ماشین (CV)
  • 59. استفاده از TensorFlow Lite برای استقرار
  • 60. مفاهیم یادگیری تقویتی (RL)
  • 61. خطوط لوله برای مدل‌های یادگیری تقویتی
  • 62. مقدمه‌ای بر یادگیری فدرال
  • 63. خطوط لوله برای یادگیری فدرال
  • 64. رابطه بین TFX، MLflow و Composer
  • 65. یکپارچه‌سازی کامل خط لوله
  • 66. استراتژی‌های مدیریت چرخه حیات مدل
  • 67. ملاحظات اخلاقی در هوش مصنوعی
  • 68. مسئولیت‌پذیری در خطوط لوله ML
  • 69. شفافیت در مدل‌های هوش مصنوعی
  • 70. مطابقت با مقررات داده‌ها
  • 71. مدیریت ریسک در پروژه‌های ML
  • 72. ابزارهای کمکی برای MLOps
  • 73. تکنیک‌های ارزیابی مدل‌های نامتعادل
  • 74. استفاده از مدل‌های Ensemble
  • 75. خطوط لوله برای مدل‌های سری زمانی
  • 76. پیش‌بینی و بهینه‌سازی با ML
  • 77. مدیریت داده‌های بدون برچسب
  • 78. یادگیری نیمه‌نظارتی
  • 79. تکنیک‌های کاهش ابعاد
  • 80. تحلیل اکتشافی داده‌ها (EDA)
  • 81. داده‌کاوی و کشف الگو
  • 82. مقدمه‌ای بر گراف‌های دانش
  • 83. استفاده از TFX برای ساخت گراف دانش
  • 84. MLflow برای مدیریت مدل‌های گراف دانش
  • 85. Composer برای ارکستراسیون پردازش گراف
  • 86. یادگیری عمیق در خطوط لوله ML
  • 87. شبکه‌های عصبی کانولوشنی (CNN)
  • 88. شبکه‌های عصبی بازگشتی (RNN)
  • 89. ترنسفورمرها در NLP
  • 90. خطوط لوله برای مدل‌های ترنسفورمر
  • 91. ارزیابی مدل‌های پیچیده
  • 92. بهینه‌سازی خطوط لوله برای زمان واقعی
  • 93. استفاده از ابزارهای مانیتورینگ پیشرفته
  • 94. مدیریت دانش در تیم‌های MLOps
  • 95. ترویج فرهنگ MLOps در سازمان
  • 96. مستندسازی خطوط لوله ML
  • 97. آموزش و توسعه مهارت‌های MLOps
  • 98. آینده خطوط لوله یادگیری ماشین
  • 99. نوآوری در ابزارهای MLOps
  • 100. بررسی چالش‌های پیش رو در MLOps

📚 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.