سپنتا کتاب اکسپرس
کتاب بومی‌سازی یادگیری ماشین با استفاده از ابزارهای متن‌باز بومی‌سازی شده (Kubeflow و Kubernetes)

کتاب بومی‌سازی یادگیری ماشین با استفاده از ابزارهای متن‌باز بومی‌سازی شده (Kubeflow و Kubernetes)

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 بومی‌سازی یادگیری ماشین با استفاده از ابزارهای متن‌باز بومی‌سازی شده (Kubeflow و Kubernetes)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و استقرار سیستم‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. پیش‌پردازش داده‌ها برای یادگیری ماشین
  • 5. پاکسازی و نرمال‌سازی داده‌ها
  • 6. مهندسی ویژگی و انتخاب ویژگی
  • 7. معرفی مفاهیم کلیدی درKubernetes
  • 8. معماری Kubernetes: Pods, Services, Deployments
  • 9. شبکه‌بندی در Kubernetes
  • 10. ذخیره‌سازی در Kubernetes
  • 11. معرفی Kubeflow و کاربردهای آن
  • 12. معماری Kubeflow
  • 13. نصب و راه‌اندازی Kubeflow
  • 14. مدیریت چرخه عمر مدل در Kubeflow
  • 15. آموزش مدل‌ها با Kubeflow Pipelines
  • 16. ایجاد Pipelines ساده در Kubeflow
  • 17. اجرای Pipelines با داده‌های واقعی
  • 18. مفهوم Metadata در Kubeflow
  • 19. مدیریت Metadata برای ردیابی آزمایشات
  • 20. استفاده از Katib برای تنظیم ابرپارامترها
  • 21. بهینه‌سازی ابرپارامترها با Katib
  • 22. مفهوم Serving مدل در Kubeflow
  • 23. استقرار مدل‌ها با KFServing
  • 24. مدیریت نسخه‌های مدل
  • 25. مانیتورینگ مدل‌های مستقر شده
  • 26. یادگیری عمیق و شبکه‌های عصبی
  • 27. شبکه‌های عصبی کانولوشنال (CNN)
  • 28. شبکه‌های عصبی بازگشتی (RNN)
  • 29. کاربرد یادگیری عمیق در پردازش تصویر
  • 30. کاربرد یادگیری عمیق در پردازش زبان طبیعی
  • 31. پردازش زبان طبیعی (NLP) با استفاده از Hugging Face
  • 32. مبانی NLP
  • 33. مدل‌های زبانی بزرگ (LLMs)
  • 34. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
  • 35. توسعه ابزارهای NLP بومی
  • 36. مبانی داده‌کاوی و کشف دانش
  • 37. الگوریتم‌های خوشه‌بندی
  • 38. الگوریتم‌های طبقه‌بندی
  • 39. الگوریتم‌های قوانین وابستگی
  • 40. کاربرد داده‌کاوی در تحلیل رفتار مشتری
  • 41. امنیت در سیستم‌های یادگیری ماشین
  • 42. حملات به مدل‌های یادگیری ماشین
  • 43. روش‌های دفاع در برابر حملات
  • 44. حریم خصوصی در یادگیری ماشین
  • 45. تکنیک‌های حفظ حریم خصوصی (مانند Differential Privacy)
  • 46. یادگیری فدرال (Federated Learning)
  • 47. مبانی یادگیری فدرال
  • 48. پیاده‌سازی یادگیری فدرال با Kubeflow
  • 49. کاربرد یادگیری فدرال در صنایع حساس
  • 50. اخلاق در هوش مصنوعی
  • 51. سوگیری در مدل‌های هوش مصنوعی
  • 52. تشخیص و کاهش سوگیری
  • 53. شفافیت و قابلیت تفسیرپذیری مدل‌ها (XAI)
  • 54. تکنیک‌های XAI
  • 55. مسئولیت‌پذیری در هوش مصنوعی
  • 56. استقرار مدل‌های یادگیری ماشین در مقیاس بزرگ
  • 57. استراتژی‌های استقرار
  • 58. مدیریت بار و مقیاس‌پذیری
  • 59. بهینه‌سازی عملکرد سیستم‌های ML
  • 60. پایش و نگهداری سیستم‌های ML
  • 61. توسعه رابط‌های کاربری برای سیستم‌های ML
  • 62. معرفی ابزارهای بصری‌سازی داده
  • 63. بصری‌سازی نتایج مدل‌ها
  • 64. توسعه داشبوردهای مدیریتی
  • 65. کاربردهای یادگیری ماشین در حوزه سلامت
  • 66. تشخیص بیماری با یادگیری ماشین
  • 67. پیش‌بینی روند بیماری‌ها
  • 68. کاربرد یادگیری ماشین در حوزه مالی
  • 69. تشخیص تقلب
  • 70. مدیریت ریسک
  • 71. پیش‌بینی بازار سهام
  • 72. کاربرد یادگیری ماشین در حوزه صنعت
  • 73. نگهداری پیش‌بینانه
  • 74. بهینه‌سازی فرآیند تولید
  • 75. کنترل کیفیت هوشمند
  • 76. کاربرد یادگیری ماشین در حوزه کشاورزی
  • 77. پیش‌بینی عملکرد محصول
  • 78. مدیریت بهینه منابع
  • 79. تشخیص آفات و بیماری‌ها
  • 80. کاربرد یادگیری ماشین در حوزه آموزش
  • 81. شخصی‌سازی یادگیری
  • 82. سیستم‌های توصیه‌گر آموزشی
  • 83. تحلیل عملکرد تحصیلی
  • 84. مبانی برنامه‌نویسی پایتون برای ML
  • 85. کتابخانه‌های کلیدی: NumPy, Pandas, Scikit-learn
  • 86. مبانی TensorFlow و Keras
  • 87. مبانی PyTorch
  • 88. ساخت مدل‌های ساده با Scikit-learn
  • 89. آموزش و ارزیابی مدل‌ها
  • 90. انتخاب مدل مناسب
  • 91. تنظیم ابرپارامترها
  • 92. معرفی ابزارهای MLOps
  • 93. اهمیت MLOps در چرخه حیات ML
  • 94. ابزارهای اتوماسیون در MLOps
  • 95. مدیریت داده در MLOps
  • 96. مدیریت کد در MLOps
  • 97. مدیریت مدل در MLOps
  • 98. نظارت و پایش در MLOps
  • 99. تست و اعتبارسنجی در MLOps
  • 100. مقدمه‌ای بر معماری‌های میکروسرویس

📚 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.