در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی با Kubeflow آشنا شده و انجام پروژه های Machine Learning را بوسیله آن یاد می گیرید.
عنوان اصلی : Building End-to-end Machine Learning Workflows with Kubeflow
بررسی اجمالی دوره
بررسی اجمالی دوره
Fashion-MNIST Use Case Overview
معرفی دوره
بررسی اجمالی Kubeflow
ساختار دوره
گزینه های استقرار Kubeflow
نسخه ی نمایشی: پیش نیازهای Kubeflow را راه اندازی کنید
Kubeflow را روی GCP راه اندازی کنید
نسخه ی نمایشی: محیط Kubeflow را در GCP پاک کنید
بررسی اجمالی
معرفی
نسخه ی نمایشی: Kubeflow را روی GCP راه اندازی کنید
نسخه ی نمایشی: OAuth را برای GCP Cloud IAP راه اندازی کنید
خلاصه
معرفی داکر
معرفی
نسخه ی نمایشی: نمای کلی Docker
بررسی اجمالی
نسخه ی نمایشی: نمای کلی داشبورد مرکزی Kubeflow
معرفی Kubernetes
نسخه ی نمایشی: مرور کلی Kubeflow (قسمت 2)
خلاصه
نسخه ی نمایشی: بررسی اجمالی Kubernetes (قسمت 1)
اجزای اصلی Kubernetes
چرا Kubernetes؟
اجزای Kubeflow برای آموزش
نوت بوک Kubeflow
بررسی اجمالی
نسخه ی نمایشی: راه اندازی سرور نوت بوک با یک تصویر سفارشی
بررسی اجمالی Kubeflow Fairing
جریان کار آموزشی Fashion-MNIST
نسخه ی نمایشی: آموزش در نوت بوک Kubeflow
نسخه ی نمایشی: آموزش توزیع شده با GPU
نسخه ی نمایشی: آموزش توزیع شده با TFJob
بررسی اجمالی فراداده
معرفی
خلاصه
نسخه ی نمایشی: ردیابی فراداده
آموزش توزیع شده
دمو: انجام تنظیمات Hyperparameter با Katib
تنظیم فراپارامتر با کاتب
نسخه ی نمایشی: Kubeflow Fairing
مروری بر مدل یادگیری عمیق برای Fashion-MNIST
فرآیند توسعه مدل و چالش ها
نسخه ی نمایشی: راه اندازی سرور نوت بوک با یک تصویر از پیش ساخته شده
خلاصه
بررسی اجمالی
نمای کلی عرضه قناری
نمای کلی KFServing
نسخه ی نمایشی: پیش و پس پردازش با استفاده از KFServing
نسخه ی نمایشی: عرضه Canary با استفاده از KFServing
نسخه ی نمایشی: مدل سرویس با استفاده از KFServing
اجزای Kubeflow برای خدمت
معرفی
بررسی اجمالی
نسخه ی نمایشی: مقیاس خودکار و تست بار
نسخه ی نمایشی: نظارت بر عملکرد با استفاده از KFServing، Prometheus و Grafana
فرآیند ارائه مدل و چالش ها
نمای کلی خط لوله Kubeflow
بررسی اجمالی
Fashion-MNIST Use Case Pipeline
اجزای Kubeflow برای ساخت خط لوله
نسخه ی نمایشی: افزودن مرحله آموزشی به خط لوله Kubeflow
معرفی
خلاصه
خط لوله جریان کار یادگیری ماشین و چالش ها
نسخه ی نمایشی: افزودن مرحله سرویس به خط لوله Kubeflow
نسخه ی نمایشی: ساخت خط لوله Kubeflow با مرحله تنظیم Hyperparameter
نسخه ی نمایشی: ساخت خط لوله Kubeflow از Notebook
سفر Kubeflow خود را گسترش دهید
معرفی
Building End-to-end Machine Learning Workflows with Kubeflow
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
ساختمان داده و الگوریتم های لیست پیوندی برای مصاحبه های شغلی
پردازش زبان طبیعی (NLP) با پایتون و NLTK
Building End-to-end Machine Learning Workflows with Kubeflow 1
آشنایی با Autoencoder ها در Keras و استفاده از آن ها
برنامه نویسی پویا برای مسابقات و مصاحبه ها
استاد شدن در کار با اشاره گرها در زبان C++
Building Machine Learning Solutions with TensorFlow.js 2
یادگیری دستورات تبدیل انواع در زبان C++