آموزش دیپلوی مدل‌های یادگیری ماشین در پروداکشن

poster
پیش‌نمایش دوره

در این دوره، یاد خواهید گرفت که چگونه مدل‌های یادگیری ماشین را پیاده‌سازی و در دسترس کاربران نهایی قرار دهید. زیرساخت سخت‌افزاری مقیاس‌پذیر و قابل اعتمادی را برای تحویل درخواست‌های استنباط (Inference) هم به‌صورت بلادرنگ ... ادامه

برگزارکننده:  DeepLearning.Ai  DeepLearning.Ai
مدرسان دوره
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذراندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)
course-feature   زیرنویس فارسی

آنچه در این دوره می‌آموزیم:

 نحوه پیاده‌سازی مدل‌های ماشین لرنینگ

 چگونگی در دسترس قراردادن این مدل‌ها برای کاربران نهایی

 ایجاد زیرساخت سخت‌افزاری مقیاس‌پذیر و قابل اعتماد برای تحویل درخواست‌های استنباط به‌صورت بلادرنگ و دسته‌ای

 نحوه پیاده‌سازی گردش‌کار خودکارسازی و تحویل پیشرفته مطابق با شیوه‌های فعلی MLOps

پیش‌نیاز‌ها

برای درک و استفاده بهتر از این دوره، درک یادگیری ماشین و مفاهیم یادگیری عمیق ضروری است، اما اگر به دنبال شغلی حرفه‌ای و موثر در هوش مصنوعی هستید، به مهارت‌های مهندسی پروداکشن نیز نیاز دارید.

سرفصل‌های دوره آموزش دیپلوی مدل‌های یادگیری ماشین در پروداکشن

مدیریت و تحویل مدل

 در این فصل می‌آموزید چگونه فرایندهای ML، خطوط لوله و خودکارسازی گردش کار را که با شیوه‌های مدرن MLOps مطابقت دارد، پیاده‌سازی کنید که به شما امکان می‌دهد پروژه‌های خود را در طول کل چرخه عمر خود مدیریت و حسابرسی کنید.

  ردیابی آزمایش
مشاهده
"08:41  
  ابزارهایی برای ردیابی آزمایش
مشاهده
"08:05  
  مقدمه‌ای بر MLOp
مشاهده
"11:12  
  MLOps سطح صفر
مشاهده
"05:47  
  MLOps سطوح یک و دو
مشاهده
"13:13  
  توسعه مولفه‌ها برای یک گردش کار هماهنگ
مشاهده
"13:19  
  مدیریت نسخه‌های مدل
مشاهده
"07:35  
  تحویل مستمر
مشاهده
"07:37  
  تحویل تدریجی
مشاهده
"08:08  

ویژگی‌های دوره

زیرنویس فارسی
زیرنویس فارسی

این دوره دارای زیرنویس اختصاصی است.

درباره دوره

در این دوره، یاد خواهید گرفت که چگونه مدل‌های یادگیری ماشین را پیاده‌سازی و در دسترس کاربران نهایی قرار دهید. زیرساخت سخت‌افزاری مقیاس‌پذیر و قابل اعتمادی را برای تحویل درخواست‌های استنباط (Inference) هم به‌صورت بلادرنگ و هم به‌صورت دسته‌ای، بسته به کاربرد، ایجاد خواهید کرد.

همچنین، گردش‌کار خودکارسازی و تحویل پیشرفته (Progressive Delivery) را که با شیوه‌های فعلی MLOps مطابقت دارد، پیاده‌سازی خواهید کرد تا سیستم تولید شما بتواند به‌طور پیوسته کار کند. علاوه بر این، به‌طور پیوسته سیستم خود را برای تشخیص انحطاط مدل، رفع افت عملکرد و جلوگیری از خرابی سیستم مانیتورینگ خواهید کرد تا بتواند در همه زمان‌ها به‌طور پیوسته کار کند.

برای استفاده از این دوره درک مفاهیم یادگیری ماشین و یادگیری عمیق ضروری است، اما اگر به دنبال شغل در هوش مصنوعی هستید، به قابلیت‌های مهندسی پروداکشن نیز نیاز دارید. مهندسی یادگیری ماشین برای پروداکشن مفاهیم بنیادی یادگیری ماشین را با تخصص کاربردی نقش‌های توسعه نرم‌افزار و مهندسی مدرن ترکیب می‌کند تا به شما در توسعه مهارت‌های آماده تولید کمک کند.

درباره استاد

maktabkhooneh-teacher Andrew Ng

اندرو انگ استاد دانشکده علوم کامپیوتر دانشگاه استنفورد و سرپرست آزمایشگاه هوش مصنوعی استنفورد است. وی هم چنین بنیان‌گذار کورسرا (coursera.org) است و بر اساس گزارش تکنولوژی دانشگاه ام ای تی یکی از 35 مخترع برتر جوان دنیا است.
او دکتری خود را از دانشگاه کالیفرنیا برکلی گرفته و زمینه‌های پژوهش او هوش مصنوعی و علوم رباتیک است.

مشاهده پروفایل و دوره‌‌های استاد
maktabkhooneh-teacher Laurence Moroney

Laurence Moroney رهبری تیم AI Advocacy در گوگل را برعهده دارد. هدف و چشم‌انداز او این است که هوش مصنوعی را برای برنامه‌نویسان آسان کند و دسترسی همه را به مشاغل ML افزایش دهد. Laurence نویسنده ده‌ها کتاب برنامه‌نویسی است که از جدیدترین آن‌ها می‌توان به «AI and ML for Coders» در O’Reilly اشاره کرد.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.

دوره‌های پیشنهادی

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

دوره آموزش توسعه مدل های یادگیری ماشین

کاربردها و مزایا فراوان هوش مصنوعی منجر شده است تا آموزش توسعه مدل های یادگیری ماشین و دیگر مباحث مرتبط از اهمیت خاصی برخوردار باشد. آموزش توسعه مدل های ماشین لرنینگ، به معرفی روش‌هایی برای پیاده سازی الگوریتم‌های یادگیری ماشین و بهینه‌سازی آن می‌پردازد. طوری که شما می‌توانید به سیستم طراحی شده، قابلیت درک و یادگیری اطلاعات از روی داده‌های خام ورودی را بدهید. این آموزش‌ها در حوزه‌ی یادگیری ماشین و یادگیری عمیق مطرح خواهند شد.

یادگیری ماشین چیست؟

یادگیری ماشین یا ماشین لرنینگ (Machine learning که به اختصار ML نیز خوانده می‌شود)، علمی از زیرمجموعه‌ی هوش مصنوعی است که با کمک آن می‌توان در رایانه‌ها قابلیت «آموختن» را ایجاد کرد. طوری که رایانه براساس نمونه داده‌های دریافتی، الگوها و روابط داده‌ای را کشف کرده و برطبق الگوریتم های ریاضی یادگیری ماشین مبتنی بر شبکه‌های عصبی، اقدام به کشف اطلاعات جدید می‌نماید.

یادگیری ماشین خود شامل زیرمجموعه‌های متعددی است. به‌عنوان مثال Supervised learning یا یادگیری تحت نظارت، یکی از علوم ML است که الگوریتم یادگیری خاص خود را دنبال می‌کند. این الگوریتم‌ها بسیار مشابه با یادگیری تقویتی در Machine learning است.

چرا آموزش توسعه مدل های یادگیری ماشین اهمیت دارد؟

امروزه، تمام سازمان‌ها و ادارات در پی آن هستند تا فرآیندهای خود را بهینه و مدرن بسازند. برای این کار، ابزار هوش مصنوعی و یادگیری ماشین بسیار کاربردی خواهد بود. چراکه شما با ML می‌توانید فرآیندهای پیچیده را نیز مدیریت نمایید. به‌علاوه این‌که Machine learning به‌گونه‌ای عمل می‌کند که در طی زمان، یادگیری آن بهبود پیدا خواهد کرد. 

می‌توان انتظار داشت که به کار گیری هوش مصنوعی در فرآیندهای یک سازمان حداقل ۳۰ درصد بهبودی را به‌دنبال دارد. این موضوع، به دلیل ماهیت هوش مصنوعی و یادگیری ماشین است که از هزینه‌ها کاسته و عملکرد را بهینه خواهد کرد. برخی از ویژگی‌های خاص هوش مصنوعی و یادگیری ماشین که در این روند تأثیرگذار هستند، در فهرست زیر، ذکر شده است.

•      هزینه‌ی پیش بینی کم‌تر و بهینه خواهد شد.

•      می‌توان وظایف روتین و پرتکرار را خودکار و اتومات کرد.

•      اطلاعات حیاتی قابل استخراج هستند.

•      می‌توان کارایی را به حداکثر میزان خود رساند.

•      داده‌های بدون ساختار که حجم بالایی دارند، بهتر مدیریت خواهد شد.

•      مدیریت ریسک به طور دقیق‌تر و مؤثرتر قابل انجام است.

•      هزینه‌ی تبلیغات کم‌تر می‌شود.

•      تحقیقات در خصوص داده‌ها، سریع‌تر انجام می‌شود.

•      درآمد افزایش می‌یابد.

•      خدمات مشتریان بهبود پیدا می‌کند.

•      مشکلات بزرگ و پیچیده قابل حل خواهد بود.

•      ریزش و مسائل مربوط به آن، پیش بینی خواهد شد.

•      روند داده‌ها تشخیص داده می‌شود.

•      تشخیص تهدیدها راحت‌تر انجام می‌شود.

•      رقبا و تهدیدها بهتر شناسایی می‌شوند.

•      مؤثرترین شیوه‌ی استخدام قابل پیاده‌سازی است.

•      عملیات مربوط به تشخیص و درمان در حوزه‌ی پزشکی بهتر و مؤثرتر انجام می‌گیرد.

•      معاملات مدیریت خواهند شد.

چطور برای آموزش توسعه مدل های ماشین لرنینگ اقدام کنیم؟

منابع زیادی برای یادگیری ماشین لرنینگ و توسعه‌ی مدل های آن وجود دارد.  باتوجه به این‌که زبان برنامه نویسی برای هوش مصنوعی، اغلب پایتون (python) انتخاب می‌شود، شما می‌بایست در ابتدا برای یادگیری این زبان اقدام نمایید. برای یادگیری این زبان، می‌توانید در دوره‌های آموزش صفر تا صد پایتون مکتب خونه شرکت کنید.

سپس باید مفاهیم یادگیری ماشین را به‌خوبی درک کنید. برای این منظور توصیه می‌کنیم تا از دوره‌های آموزش یادگیری ماشین با پایتون و یا آموزش ماشین لرنینگ با پایتون pdf و کتاب، استفاده کنید. اگر بودجه‌ی کافی برای شرکت در دوره‌ها ندارید، آموزش رایگان یادگیری ماشین با پایتون گزینه‌ی مناسبی خواهد بود.

بعد از آن، شما زمینه‌ی مقدماتی لازم برای ورود به دوره‌های حرفه‌ای‌تر و پیشرفته را خواهید داشت. شما می‌توانید از طریق دوره‌های آموزش مجازی، آموزش‌های مختلف برای توسعه مدل های ماشین لرنینگ را دنبال کنید.

در دوره‌ی آموزش توسعه مدل های ماشین لرنینگ چه چیزهایی یاد می‌گیریم؟

به‌طور کلی، این دوره‌ی آموزشی برای یادگیری چگونگی پیاده‌سازی مدل‌های Machine learning در نظر گرفته شده است. شما در پایان این آموزش‌ها، می‌توانید مدل یادگیری ماشین را پیاده‌سازی و در دسترس کاربران قرار دهید. هم‌چنین زیرساخت سخت افزاری مقیاس پذیر و قابل اعتمادی را برای تحویل درخواست‌های استنباط هم به‌صورت بلادرنگ و هم به‌صورت دسته‌ای ایجاد می‌کنید.

در این آموزش‌ها یاد می‌گیرید که چطور گردش کار را خودکار ساخته و سیستم‌ خود را قادر به انجام کار به‌طور پیوسته نمایید. شما یاد می‌گیرید که چطور می‌توان انحطاط مدل، افت عملکرد و خرابی سیستم مانیتورینگ را مدیریت کرده تا مانع از پیوستگی عملکرد آن نشوید.

پیش نیازهای آموزش توسعه مدل های ماشین لرنینگ

برای این‌که مباحث این آموزش را بهتر متوجه شوید، نیاز دارید تا دانش ابتدایی در رابطه با یادگیری عمیق را از قبل داشته باشید. شما می‌توانید از دوره‌های آموزشی آموزش رایگان یادگیری ماشین و یادگیری عمیق در مکتب خونه برای این منظور استفاده کنید.

نیز لازم به ذکر است که در صورتی که قصد ورود به دنیای حرفه‌ای هوش مصنوعی و یادگیری ماشین را دارید، می‌بایست مهارت‌های مهندسی پروداکشن را بیاموزید. در این مبحث، شما ترکیبی از پروداکشن مفاهیم بنیادی یادگیری ماشین را با تخصص کاربردی نقش توسعه‌ی نرم افزار و مهندسی مدرن خواهید آموخت.

* نکته: میزان تسلط شما روی مفاهیم ابتدایی و پیش نیاز این آموزش، سبب می‌شود تا درک مباحث ساده‌تر و سریع‌تر انجام شود. به‌علاوه این‌که شما برای کارکرد برخی قسمت‌ها و سرفصل‌ها، می‌بایست دانش و مهارت لازم را از قبل داشته باشید.

معرفی سرفصل‌های آموزش توسعه مدل های یادگیری ماشین

آن‌چه که در دوره‌ی آموزشی توسعه‌ی مدل‌های یادگیری ماشین، ارائه می‌شود در فهرست زیر عنوان شده است.

•      ارائه‌ی مدل: معرفی

این سرفصل، به منظور آشنایی شما با مدل ML در نظر گرفته شده است. شما یاد می‌گیرید که چطور مدل ماشین لرنینگ خود را در دسترس کاربران نهایی قرار داده و فرآیند استنتاج را بهینه‌سازی کنید. آموزش دیپلوی مدل های یادگیری ماشین در همین مبحث گنجانده شده است.

•      ارائه‌ی مدل: الگوها و زیرساخت

در این فصل یاد می‌گیرید که چطور مدل را ارائه داده و نتایج استنباط دسته‌ای و بلادرنگ را با ایجاد زیرساخت مقیاس پذیر و قابل اعتماد ارائه دهید. 

•      مدیریت و تحویل مدل

این مبحث، به آموزش چگونگی پیاده سازی فرآیندهای ماشین لرنینگ، خطوط لوله و خودکارسازی گردش کار می‌پردازد. شما می‌توانید با این مباحث، پروژه‌های خود را در چرخه‌ی عمر آن مدیریت و حسابرسی کنید.

•      مانیتورینگ و گزارش‌دهی مدل

در سرفصل پایانی این دوره‌ی آموزشی، نحوه‌ی شناسایی اقدامات لازم برای انحطاط مدل و جلوگیری از کاهش دقت در یک سیستم تولید پیوسته در حال کار را بررسی خواهید کرد.

مدت زمان دوره‌ی آموزش توسعه مدل های ماشین لرنینگ چقدر است؟

دوره‌ی آموزشی مذکور در مکتب خونه، در یک آموزش ویدیویی ۴ ساعته گنجانده شده است. زمان نهایی، به میزان درک داوطلب و سرعت عمل وی بستگی خواهد داشت. در صورتی که تسلط کافی به مباحث پیش نیاز دوره داشته باشید، آموزش‌ها را سریع‌تر طی می‌کنید.

آموزش توسعه مدل های یادگیری ماشین در مکتب خونه

شما می‌توانید بهترین دوره یادگیری ماشین را در وب سایت مکتب خونه پیدا کنید. دوره‌های آموزشی مکتب خونه از صفر تا صد مفاهیم هوش مصنوعی، یادگیری ماشین، Deep learning و دیگر مباحث مرتبط را پوشش‌دهی کرده‌اند. آموزش یادگیری ماشین در دوره‌های مکتب خونه، به شما کمک می‌کند تا مهارت کافی برای ورود به بازار حرفه‌ای در این زمینه به‌دست آورید.

آموزش توسعه مدل های یادگیری ماشین برای پیاده سازی مدل‌های ماشین لرنینگ ضروری است. شما در آموزش توسعه مدل های ماشین لرنینگ یاد می‌گیرید که چطور می‌توانید زیرساخت و مدل‌های ML را پیاده‌سازی کرده و در اختیار کاربران نهایی قرار دهید. در مکتب خونه همچنین انواع دوره آموزش برنامه نویسی، آموزش هوش مصنوعی و آموزش یادگیری ماشین به عنوان مکمل و پیش نیاز این دورەه موجود است.

poster
پیش‌نمایش دوره
  
برگزار کننده:  DeepLearning.Ai
  
زمان مورد نیاز برای گذراندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)
course-feature   زیرنویس فارسی