اکسپرس 24
کتاب پیاده‌سازی و بهینه‌سازی مدل‌های یادگیری ماشین با استفاده از MLFlow و فرمت‌های استاندارد

کتاب پیاده‌سازی و بهینه‌سازی مدل‌های یادگیری ماشین با استفاده از MLFlow و فرمت‌های استاندارد

تگ‌ها: GGUF Microsoft Phi3 Mini MLFlow MLOps ONNX بهینه‌سازی مدل مدل‌های هوش مصنوعی مدیریت مدل هوش مصنوعی یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی و بهینه‌سازی مدل‌های یادگیری ماشین با استفاده از MLFlow و فرمت‌های استاندارد

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدیریت چرخه عمر مدل‌های یادگیری ماشین (MLOps)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین: نظارت شده، بدون نظارت و تقویتی
  • 3. مقدمه‌ای بر چرخه عمر مدل‌های یادگیری ماشین
  • 4. معرفی MLOps و اهمیت آن
  • 5. اهمیت ابزارها در MLOps
  • 6. معرفی MLFlow برای مدیریت چرخه عمر مدل
  • 7. نصب و پیکربندی MLFlow
  • 8. مبانی ردیابی آزمایشات (Experiment Tracking) در MLFlow
  • 9. ثبت پارامترها و معیارهای ارزیابی در MLFlow
  • 10. مدیریت مصنوعات (Artifacts) در MLFlow
  • 11. نحوه استفاده از لاگ‌ها در MLFlow
  • 12. معرفی فرمت‌های استاندارد مدل‌های یادگیری ماشین
  • 13. فرمت GGUF: کاربردها و مزایا
  • 14. فرمت ONNX: کاربردها و مزایا
  • 15. فرمت MLFlow: کاربردها و مزایا
  • 16. مقایسه فرمت‌های GGUF، MLFlow و ONNX
  • 17. معرفی مدل Microsoft Phi3 Mini 128k
  • 18. آماده‌سازی مدل Microsoft Phi3 Mini 128k
  • 19. تبدیل مدل به فرمت GGUF
  • 20. تبدیل مدل به فرمت ONNX
  • 21. تبدیل مدل به فرمت MLFlow
  • 22. نحوه بارگذاری و اجرای مدل در فرمت GGUF
  • 23. نحوه بارگذاری و اجرای مدل در فرمت ONNX
  • 24. نحوه بارگذاری و اجرای مدل در فرمت MLFlow
  • 25. مقایسه عملکرد مدل در فرمت‌های مختلف
  • 26. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
  • 27. تکنیک‌های پیش‌پردازش داده‌ها
  • 28. مدیریت داده‌های نامتعادل
  • 29. انتخاب ویژگی (Feature Selection)
  • 30. تکنیک‌های کاهش ابعاد (Dimensionality Reduction)
  • 31. مقدمه‌ای بر ارزیابی مدل
  • 32. معیارهای ارزیابی برای رگرسیون
  • 33. معیارهای ارزیابی برای طبقه‌بندی
  • 34. منحنی ROC و AUC
  • 35. نحوه ثبت و مقایسه نتایج ارزیابی در MLFlow
  • 36. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 37. روش‌های جستجوی ابرپارامترها
  • 38. استفاده از MLFlow برای ردیابی تنظیم ابرپارامترها
  • 39. مقدمه‌ای بر استقرار مدل (Model Deployment)
  • 40. استراتژی‌های مختلف استقرار مدل
  • 41. استقرار مدل به صورت API
  • 42. استقرار مدل در محیط‌های ابری
  • 43. استقرار مدل در دستگاه‌های لبه (Edge Devices)
  • 44. استقرار مدل با استفاده از Docker
  • 45. استقرار مدل با استفاده از Kubernetes
  • 46. مدیریت نسخه‌های مدل (Model Versioning)
  • 47. استفاده از MLFlow برای مدیریت نسخه‌های مدل
  • 48. نظارت بر عملکرد مدل پس از استقرار (Model Monitoring)
  • 49. شناسایی افت عملکرد مدل
  • 50. تکنیک‌های بازآموزی (Retraining) مدل
  • 51. زمان‌بندی بازآموزی مدل
  • 52. مدیریت داده‌های انحرافی (Data Drift)
  • 53. مدیریت انحراف مدل (Concept Drift)
  • 54. اهمیت تست خودکار در MLOps
  • 55. نوشتن تست برای پیش‌پردازش داده‌ها
  • 56. نوشتن تست برای مدل‌ها
  • 57. نوشتن تست برای خط لوله (Pipeline)
  • 58. مقدمه‌ای بر مهندسی خط لوله (Pipeline Engineering)
  • 59. ساخت خط لوله با استفاده از MLFlow Projects
  • 60. اجرای خط لوله با MLFlow
  • 61. مدیریت وابستگی‌ها در MLFlow Projects
  • 62. استفاده از Git برای کنترل نسخه خط لوله
  • 63. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 64. کاربرد یادگیری انتقالی در فرمت‌های مختلف
  • 65. تنظیم دقیق مدل (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 66. مقدمه‌ای بر شبکه‌های عصبی عمیق
  • 67. معماری‌های متداول شبکه‌های عصبی
  • 68. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
  • 69. کاربرد شبکه‌های عصبی در بینایی ماشین
  • 70. استفاده از MLFlow برای ردیابی آزمایشات شبکه‌های عصبی
  • 71. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 72. معرفی مدل Microsoft Phi3 Mini 128k به عنوان یک LLM
  • 73. مقایسه LLMها در فرمت‌های مختلف
  • 74. کاربرد LLMها در سناریوهای مختلف
  • 75. ملاحظات اخلاقی در هوش مصنوعی
  • 76. سوگیری در مدل‌های یادگیری ماشین
  • 77. شفافیت و قابلیت توضیح‌پذیری مدل‌ها
  • 78. امنیت مدل‌های یادگیری ماشین
  • 79. حریم خصوصی داده‌ها در یادگیری ماشین
  • 80. ملاحظات امنیتی فرمت GGUF
  • 81. ملاحظات امنیتی فرمت ONNX
  • 82. ملاحظات امنیتی فرمت MLFlow
  • 83. بهینه‌سازی مدل برای کارایی (Performance Optimization)
  • 84. فشرده‌سازی مدل (Model Compression)
  • 85. کوچک‌سازی مدل (Model Quantization)
  • 86. روش‌های شتاب‌دهی به مدل
  • 87. کاربرد MLFlow در بهینه‌سازی مدل
  • 88. مقدمه‌ای بر معماری‌های مدل‌های توزیع شده
  • 89. آموزش مدل‌های توزیع شده با استفاده از MLFlow
  • 90. مدیریت منابع محاسباتی در MLOps
  • 91. استفاده از پلتفرم‌های MLOps
  • 92. مقایسه پلتفرم‌های MLOps
  • 93. مقدمه‌ای بر آینده MLOps
  • 94. روندهای نوظهور در MLOps
  • 95. نقش هوش مصنوعی در خودکارسازی MLOps
  • 96. کاربرد MLFlow در آینده MLOps
  • 97. جمع‌بندی و بهترین شیوه‌ها در MLOps

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.