کتاب بهینه‌سازی آموزش مدل‌های یادگیری ماشین با Ray در پروژه‌های بزرگ

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 بهینه‌سازی آموزش مدل‌های یادگیری ماشین با Ray در پروژه‌های بزرگ

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: آموزش توزیع‌شده و مقیاس‌پذیر مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین در مقیاس بزرگ
  • 2. مفاهیم اساسی آموزش توزیع‌شده
  • 3. چالش‌های آموزش مدل‌های بزرگ
  • 4. معرفی Ray برای محاسبات توزیع‌شده
  • 5. معماری Ray و اجزای کلیدی آن
  • 6. مفاهیم Actor و Task در Ray
  • 7. نصب و راه‌اندازی Ray
  • 8. اولین گام‌ها با Ray: اجرای ساده
  • 9. پردازش داده‌های حجیم با Ray Datasets
  • 10. انتقال داده بین Ray Datasets و فرمت‌های دیگر
  • 11. پردازش موازی داده‌ها با Ray
  • 12. توزیع محاسبات با Ray Tasks
  • 13. مدیریت منابع در Ray
  • 14. زمان‌بندی وظایف در Ray
  • 15. خطایابی و اشکال‌زدایی در Ray
  • 16. پایش عملکرد سیستم Ray
  • 17. مقدمه‌ای بر آموزش توزیع‌شده یادگیری ماشین
  • 18. روش‌های موازی‌سازی آموزش مدل
  • 19. موازی‌سازی داده (Data Parallelism)
  • 20. موازی‌سازی مدل (Model Parallelism)
  • 21. موازی‌سازی پایپ‌لاین (Pipeline Parallelism)
  • 22. ترکیب روش‌های موازی‌سازی
  • 23. آموزش توزیع‌شده با Ray Train
  • 24. معماری Ray Train
  • 25. اجزای کلیدی Ray Train
  • 26. آموزش مدل‌های TensorFlow با Ray Train
  • 27. آموزش مدل‌های PyTorch با Ray Train
  • 28. آموزش مدل‌های Scikit-learn با Ray Train
  • 29. تنظیمات پیشرفته در Ray Train
  • 30. مدیریت Checkpoint در Ray Train
  • 31. بازیابی از خرابی در Ray Train
  • 32. آموزش مدل‌های بزرگ با حافظه محدود
  • 33. استفاده از Gradient Accumulation
  • 34. استفاده از Mixed Precision Training
  • 35. تکنیک‌های کاهش مصرف حافظه
  • 36. بهینه‌سازی ارتباطات بین Workerها
  • 37. استفاده از کتابخانه‌های ارتباطی بهینه
  • 38. بهینه‌سازی تنظیمات Ray
  • 39. پایش و تحلیل عملکرد آموزش توزیع‌شده
  • 40. شناسایی گلوگاه‌ها در آموزش توزیع‌شده
  • 41. تکنیک‌های پیشرفته اشکال‌زدایی
  • 42. مدیریت چندین آزمایش آموزش (Hyperparameter Tuning)
  • 43. مقدمه‌ای بر Ray Tune
  • 44. اجزای کلیدی Ray Tune
  • 45. جستجوی شبکه‌ای (Grid Search)
  • 46. جستجوی تصادفی (Random Search)
  • 47. بهینه‌سازی بیزی (Bayesian Optimization)
  • 48. بهینه‌سازی مبتنی بر اشیاء (Hyperband, Population Based Training)
  • 49. تنظیمات پیشرفته در Ray Tune
  • 50. مدیریت منابع در Ray Tune
  • 51. یکپارچه‌سازی Ray Tune با Ray Train
  • 52. مقدمه‌ای بر Ray Serve برای استقرار مدل
  • 53. معماری Ray Serve
  • 54. استقرار مدل‌های یادگیری ماشین با Ray Serve
  • 55. مدیریت نسخه‌های مدل
  • 56. مقیاس‌پذیری خودکار در Ray Serve
  • 57. مانیتورینگ و پایش سرویس‌های Ray Serve
  • 58. امنیت در Ray Serve
  • 59. مقدمه‌ای بر Ray AI Runtime (AIR)
  • 60. اجزای Ray AIR
  • 61. یکپارچه‌سازی Ray AIR با Ray Train و Ray Tune
  • 62. استفاده از Ray AIR برای گردش کار کامل ML
  • 63. کاربرد Ray در پروژه‌های واقعی
  • 64. مطالعه موردی: آموزش مدل‌های پردازش تصویر با Ray
  • 65. مطالعه موردی: آموزش مدل‌های پردازش زبان طبیعی با Ray
  • 66. مطالعه موردی: آموزش مدل‌های توصیه‌گر با Ray
  • 67. مطالعه موردی: آموزش مدل‌های یادگیری تقویتی با Ray
  • 68. ملاحظات عملی در پیاده‌سازی آموزش توزیع‌شده
  • 69. مدیریت زیرساخت‌های ابری برای Ray
  • 70. استفاده از Ray در محیط‌های On-Premise
  • 71. نکات کلیدی برای موفقیت در پروژه‌های بزرگ
  • 72. آینده Ray و یادگیری ماشین توزیع‌شده
  • 73. مباحث پیشرفته در Ray
  • 74. موازی‌سازی برای مدل‌های بسیار بزرگ (Mixture of Experts)
  • 75. آموزش federated با Ray
  • 76. آموزش مداوم (Continual Learning) با Ray
  • 77. استفاده از Ray برای یادگیری تقویتی عمیق
  • 78. معرفی ابزارهای کمکی در اکوسیستم Ray
  • 79. Ray Datasets در عمل
  • 80. Ray Train برای فریم‌ورک‌های مختلف
  • 81. Ray Tune برای سناریوهای پیچیده
  • 82. Ray Serve برای APIهای پیشرفته
  • 83. بهینه‌سازی مداوم عملکرد Ray
  • 84. چالش‌های مقیاس‌پذیری در Ray
  • 85. روش‌های نوین در آموزش توزیع‌شده
  • 86. ملاحظات امنیتی در سیستم‌های توزیع‌شده ML
  • 87. مدیریت چرخه حیات مدل با Ray
  • 88. تجربه‌های عملی از پیاده‌سازی در مقیاس صنعتی
  • 89. نکات پایانی برای مهندسان یادگیری ماشین

📚 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.