ِDeploy و مدیریت مدل ها در مایکروسافت Azure

برای ارائه یک ایده عالی، نیاز به استفاده از مدل های ML خود و همچنین اطمینان حاصل کنید که آنها به روز نگه می دارند. این دوره به شما بهترین شیوه ها را برای راه اندازی، مدیریت و بازنویسی مدل های یادگیری ماشین در Azure به شما آموزش می دهد.
چه چیزی را یاد می گیرید
هنگامی که یک مدل ایجاد می شود، ما باید آن را مستقر کنیم. علاوه بر این، ما باید اطمینان حاصل کنیم که عملکرد آنها فاسد نمی شود و ما از مدل فعلی در تولید پیگیری می کنیم. در این دوره، استقرار و مدیریت مدل های مایکروسافت Azure، شما بهترین شیوه ها را برای اعزام، مدیریت و بازنویسی مدل های یادگیری ماشین در Azure یاد خواهید گرفت. اول، شما چگونه می توانید مدل های یادگیری ماشین را در Azure بکار ببرید. بعد، شما کشف خواهید کرد که چگونه یک خط لوله بازآموزی را با خطوط لوله Azure ML ایجاد کنید. در نهایت، شما در مورد اقدامات MLOPS یاد خواهید گرفت. هنگامی که شما با این دوره به پایان رسید، شما مهارت ها و دانش عملیات یادگیری ماشین را در Azure مورد نیاز برای اعزام، مدیریت و بازنویسی مدل های یادگیری ماشین در Azure خواهید داشت.

عنوان اصلی : Deploying and Managing Models in Microsoft Azure

سرفصل های دوره :

بررسی اجمالی دوره
چرخه حیات یک مدل از ایجاد تا استقرار
معرفی مطالعه موردی Globomantics
دریافت بهترین ها از این دوره
طرح کلی دوره
گزینه‌های استقرار در یادگیری ماشینی Azure
نقاط پایانی هم‌زمان و دسته‌ای
نسخه ی نمایشی: استقرار به صورت محلی - قسمت 1
نسخه ی نمایشی: استقرار به صورت محلی - قسمت 2
نمایش: استقرار محلی - قسمت 3
دمو: یک نقطه پایانی آنلاین را مستقر کنید
نمایش: انجام تست A/B در استودیو - قسمت 1
دمو: انجام تست A/B در استودیو - قسمت 2
نسخه ی نمایشی: استقرار یک تست A/B بلادرنگ در Kubernetes - قسمت 1
نسخه ی نمایشی: استقرار یک تست A/B بی درنگ در Kubernetes - قسمت 2
نکات و نکات کلیدی
CI/CD در یادگیری ماشین
انواع مختلف خطوط لوله در Azure
نسخه ی نمایشی: ایجاد یک پروژه خط لوله Azure - قسمت 1
نسخه ی نمایشی: ایجاد یک پروژه خط لوله Azure - قسمت 2
نسخه ی نمایشی: ایجاد خط لوله Azure ML - قسمت 1
نسخه ی نمایشی: ایجاد خط لوله Azure ML - قسمت 2
دمو: ایجاد خط لوله Azure ML - قسمت 3
نکات و نکات کلیدی
MLOps چیست؟
معرفی مدل Decay و Data Drift
نکات و نکات کلیدی