اکسپرس 24
کتاب ساخت و بهینه‌سازی خط لوله‌های یادگیری ماشین از داده تا استقرار

کتاب ساخت و بهینه‌سازی خط لوله‌های یادگیری ماشین از داده تا استقرار

تگ‌ها: CI/CD Data Pipeline Feature Engineering Machine Learning ML Pipeline MLOps استقرار مدل پردازش داده خط لوله یادگیری ماشین مدل‌سازی داده مهندسی داده مهندسی ویژگی مهندسی یادگیری ماشین هوش مصنوعی یادگیری ماشین

انتخاب پلن

افزودنی‌های اختیاری

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 ساخت و بهینه‌سازی خط لوله‌های یادگیری ماشین از داده تا استقرار

موضوع کلی: یادگیری ماشین و مهندسی داده

موضوع میانی: طراحی و مدیریت خط لوله‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی خط لوله‌های یادگیری ماشین و اجزای اصلی آن
  • 2. معماری یک خط لوله استاندارد یادگیری ماشین
  • 3. تعریف مسئله و طراحی جریان پردازش داده
  • 4. گردآوری و اتصال منابع داده
  • 5. ورود داده و طراحی لایه‌های Ingestion
  • 6. اعتبارسنجی اولیه داده‌های ورودی
  • 7. پاک‌سازی داده در خط لوله یادگیری ماشین
  • 8. مدیریت داده‌های گمشده در Pipeline
  • 9. تشخیص و مدیریت داده‌های پرت
  • 10. استانداردسازی و نرمال‌سازی داده‌ها
  • 11. کدگذاری متغیرهای دسته‌ای
  • 12. مهندسی ویژگی در خط لوله یادگیری ماشین
  • 13. انتخاب ویژگی و کاهش ابعاد
  • 14. طراحی Pipeline برای داده‌های متنی
  • 15. طراحی Pipeline برای داده‌های عددی و جدولی
  • 16. پردازش داده‌های زمانی در Pipeline
  • 17. تفکیک داده‌های آموزش، اعتبارسنجی و آزمون
  • 18. جلوگیری از نشت داده در مراحل پردازش
  • 19. ترکیب پیش‌پردازش و مدل در یک Pipeline
  • 20. انتخاب الگوریتم مناسب برای Pipeline
  • 21. آموزش خودکار مدل در خط لوله
  • 22. تنظیم ابرپارامترها در Pipeline
  • 23. اعتبارسنجی متقاطع در خط لوله
  • 24. مدیریت چند مدل و چند آزمایش
  • 25. ثبت پارامترها و نتایج آزمایش‌ها
  • 26. معیارهای ارزیابی مدل در Pipeline
  • 27. ارزیابی مدل‌های طبقه‌بندی
  • 28. ارزیابی مدل‌های رگرسیون
  • 29. مدیریت عدم توازن کلاس‌ها
  • 30. مقایسه نسخه‌های مختلف مدل
  • 31. بازآموزی خودکار مدل
  • 32. مدیریت وابستگی میان مراحل Pipeline
  • 33. طراحی Pipelineهای قابل بازاستفاده
  • 34. ماژولار کردن اجزای خط لوله
  • 35. پارامتری‌سازی مراحل Pipeline
  • 36. مدیریت پیکربندی و متغیرهای محیطی
  • 37. مدیریت داده و مدل به‌صورت نسخه‌بندی‌شده
  • 38. ردیابی Lineage داده و مدل
  • 39. بازآفرینی‌پذیری نتایج یادگیری ماشین
  • 40. تست واحد اجزای Pipeline
  • 41. تست یکپارچه خط لوله یادگیری ماشین
  • 42. اعتبارسنجی کیفیت داده در Pipeline
  • 43. کنترل کیفیت ویژگی‌ها
  • 44. مدیریت خطا و شکست در Pipeline
  • 45. ثبت رویدادها و Logging
  • 46. پایش اجرای مراحل Pipeline
  • 47. مدیریت زمان‌بندی اجرای Pipeline
  • 48. اجرای Pipelineهای وابسته به رویداد
  • 49. موازی‌سازی مراحل پردازش
  • 50. پردازش دسته‌ای و بلادرنگ در Pipeline
  • 51. بهینه‌سازی زمان اجرای Pipeline
  • 52. بهینه‌سازی مصرف حافظه و منابع
  • 53. مقیاس‌پذیری خط لوله‌های یادگیری ماشین
  • 54. اجرای توزیع‌شده مراحل پردازش
  • 55. کانتینرسازی اجزای Pipeline
  • 56. استفاده از Docker برای محیط اجرای مدل
  • 57. طراحی Pipelineهای قابل استقرار در محیط ابری
  • 58. استقرار مدل از طریق Pipeline
  • 59. بسته‌بندی مدل و وابستگی‌های آن
  • 60. ساخت CI/CD برای یادگیری ماشین
  • 61. اتوماسیون آموزش و استقرار مدل
  • 62. پایش مدل پس از استقرار
  • 63. تشخیص Data Drift و Concept Drift
  • 64. مدیریت افت عملکرد مدل
  • 65. فعال‌سازی بازآموزی بر اساس تغییر داده
  • 66. امنیت داده و مدل در Pipeline
  • 67. مدیریت دسترسی به منابع Pipeline
  • 68. حفاظت از اطلاعات حساس در جریان پردازش
  • 69. طراحی Pipelineهای مقاوم در برابر خطا
  • 70. مدیریت Retry و اجرای مجدد مراحل
  • 71. ذخیره نقاط میانی و بازیابی Pipeline
  • 72. بهینه‌سازی هزینه اجرای Pipeline
  • 73. مستندسازی خط لوله و اجزای آن
  • 74. طراحی Pipelineهای قابل نگهداری و توسعه
  • 75. الگوهای معماری برای Pipelineهای تولیدی
  • 76. ساخت یک پروژه کامل از داده خام تا استقرار

📚 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.