مبانی طراحی برای فریمورک های Machine Learning

در این دوره با فریمورک های مختلف یادگیری ماشینی آشنا شده و سپس جایگاه های استفاده و چگونگی استفاده از آن ها را بخوبی یاد می گیرید.

عنوان اصلی : Design Principles for Machine Learning Framework

سرفصل ها :

بررسی اجمالی دوره:
بررسی اجمالی دوره
معرفی عملیات یادگیری ماشینی:
بررسی اجمالی
MLOps چیست؟
چرا MLOps واقعا مهم است؟
بررسی اصول مهم طراحی برای MLOs
چرخه حیات یک پروژه یادگیری ماشینی
خلاصه
طراحی خطوط لوله داده برای مقیاس پذیری و بهینه سازی:
بررسی اجمالی
معرفی خطوط لوله یادگیری ماشینی
چرا خطوط لوله یادگیری ماشین مهم هستند؟
مراحل مربوط به ایجاد خط لوله داده
Architect Scalable Data Pipelines
بهترین روش ها برای سیستم های بهینه ML
مطالعه موردی 1: خط لوله یادگیری ماشین برای آزمایش مواد مجازی
خلاصه
ارزیابی عملکرد یک سیستم یادگیری ماشینی:
بررسی اجمالی
ارزیابی عملکرد واقعاً به چه معناست؟
تأخیر کم و توان عملیاتی بالا را درک کنید
اشکال زدایی و تحمل خطا در سیستم ML
برنامه ریزی وظایف و اجراها در خطوط لوله ML
خلاصه