دوره ساخت و استقرار مدلهای یادگیری ماشین با MLflow و Docker همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره ساخت و استقرار مدلهای یادگیری ماشین با MLflow و Docker
موضوع کلی: برنامه نویسی
موضوع میانی: حوزههای تخصصی**
📋 سرفصلهای دوره
- 1. مقدمهای بر یادگیری ماشین
- 2. مبانی پایتون برای یادگیری ماشین
- 3. ساختارهای داده در پایتون
- 4. الگوریتمهای کلیدی در پایتون
- 5. مفاهیم اولیه MLflow
- 6. نصب و راهاندازی MLflow
- 7. ثبت پارامترهای مدل در MLflow
- 8. ثبت معیارهای ارزیابی مدل در MLflow
- 9. ثبت Artifacts مدل در MLflow
- 10. رابط کاربری MLflow (UI)
- 11. جستجو و مقایسه آزمایشها در MLflow
- 12. مدیریت آزمایشها در MLflow
- 13. مدیریت Runها در MLflow
- 14. مدیریت مدلها در MLflow Registry
- 15. استقرار مدلها با MLflow
- 16. مقدمهای بر Docker
- 17. مفاهیم کلیدی Docker
- 18. نصب و راهاندازی Docker
- 19. نوشتن Dockerfile
- 20. ساخت Image در Docker
- 21. اجرای Container در Docker
- 22. شبکهبندی در Docker
- 23. مدیریت Volume در Docker
- 24. Docker Compose
- 25. نصب و راهاندازی MLflow با Docker
- 26. استقرار مدلهای MLflow با Docker
- 27. مقدمهای بر خطوط لوله ML (ML Pipelines)
- 28. طراحی خطوط لوله ML
- 29. اجزای خطوط لوله ML
- 30. مثال عملی خط لوله ML
- 31. ادغام MLflow و خطوط لوله ML
- 32. مدیریت وابستگیها در پروژههای ML
- 33. استفاده از `requirements.txt`
- 34. مدیریت محیطهای مجازی پایتون
- 35. استفاده از Pipenv
- 36. استفاده از Poetry
- 37. مفاهیم CI/CD (Continuous Integration/Continuous Deployment)
- 38. اصول CI/CD در یادگیری ماشین
- 39. ابزارهای CI/CD
- 40. ادغام CI/CD با MLflow
- 41. ادغام CI/CD با Docker
- 42. استقرار خودکار مدلها
- 43. تست مدلها
- 44. انواع تست در یادگیری ماشین
- 45. تست واحد برای کد مدل
- 46. تست ادغام برای خطوط لوله ML
- 47. تست A/B برای مدلهای مستقر شده
- 48. مانیتورینگ مدلهای مستقر شده
- 49. معیارهای مانیتورینگ
- 50. ابزارهای مانیتورینگ
- 51. نحوه مانیتورینگ با MLflow
- 52. نحوه مانیتورینگ با Docker
- 53. پیشگیری از Drift مدل
- 54. تشخیص Drift مدل
- 55. مدیریت Drift مدل
- 56. امنیت در استقرار مدلهای ML
- 57. امنیت Docker Containerها
- 58. امنیت MLflow Server
- 59. مدیریت دسترسیها
- 60. مقیاسپذیری در استقرار مدلها
- 61. استفاده از Orchestration Tools
- 62. Kubernetes برای استقرار ML
- 63. استقرار مدلهای ML بر روی Kubernetes
- 64. مقدمهای بر MLOps
- 65. اصول MLOps
- 66. تفاوت MLops با DevOps
- 67. چالشهای MLOps
- 68. ابزارهای MLOps
- 69. نقش MLflow در MLOps
- 70. نقش Docker در MLOps
- 71. ملاحظات اخلاقی در یادگیری ماشین
- 72. سوگیری (Bias) در دادهها و مدلها
- 73. شفافیت (Transparency) در مدلها
- 74. قابلیت توضیح (Explainability) مدلها
- 75. مسئولیتپذیری (Accountability)
- 76. استفاده از Feature Stores
- 77. مقدمهای بر Feature Stores
- 78. نحوه کار Feature Stores
- 79. مزایای Feature Stores
- 80. ادغام Feature Stores با MLflow
- 81. ادغام Feature Stores با Docker
- 82. استقرار مدلهای پیچیده
- 83. مدلهای Deep Learning
- 84. استقرار مدلهای Deep Learning با MLflow
- 85. استقرار مدلهای Deep Learning با Docker
- 86. استفاده از Serverless برای استقرار مدلها
- 87. AWS Lambda
- 88. Google Cloud Functions
- 89. Azure Functions
- 90. استقرار مدلهای Serverless با MLflow
- 91. استقرار مدلهای Serverless با Docker
- 92. استقرار مدلهای Real-time
- 93. Streaming Data Processing
- 94. استقرار مدلهای Real-time با MLflow
- 95. استقرار مدلهای Real-time با Docker
- 96. استقرار مدلهای Batch
- 97. پردازش Batch با MLflow
- 98. پردازش Batch با Docker
- 99. بهینهسازی مدلها برای استقرار
- 100. Quantization
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.