
فایل آموزشی
آموزش MLOps و مهندسی سامانههای هوش مصنوعی؛ استقرار، پایش و بازآموزی مدل یادگیری ماشین (خودآموز داربست)
خودآموز پیشرفتهٔ مهندسی سامانههای هوش مصنوعی برای وقتی مدل باید مدتها برای دیگران کار کند: تست و بستهبندی، مسیر داده، نسخهبندی و آزمایش، استقرار، پایش و رانش داده، بازآموزی، هزینه و اتکاپذیری، و کار تیمی. همه در Google Colab. خودآموز دانلودی کامل و مستقل با جواب تمرینها؛ قالب PDF، EPUB و MOBI، دانلود از حساب کاربری پس از پرداخت.
امتیاز خریدارهای این خودآموز
هنوز امتیازی نیست
میانگین از سومین امتیاز
- ۵ ستاره: ۰ نفر
- ۴ ستاره: ۰ نفر
- ۳ ستاره: ۰ نفر
- ۲ ستاره: ۰ نفر
- ۱ ستاره: ۰ نفر
- قیمت
- ۴۹۹٬۰۰۰ تومان
- قالب
- PDF · EPUB · MOBI
- تعداد صفحه
- ۹۷۳
- حجم
- ۳۵٫۶ مگابایت
- زبان
- فارسی
برای خرید حساب کاربری لازم است و فایل بعد از پرداخت در حساب من میماند.
هر فایل به نام خریدارش آماده میشود: شمارهٔ موبایل و شناسهٔ حساب با خطی ریز در حاشیهٔ صفحهها میآید. برای کاربرانِ زیر ۱۸ سال، بخشی از شماره پوشانده میشود.
این فایل نسخهٔ دانلودی خودآموز داربست — خودآموز MLOps و مهندسی سامانههای هوش مصنوعی (پیشرفته) است.
دربارهٔ این فایل
نسخهٔ دانلودی خودآموز «داربست — خودآموز مهندسیِ سامانههای هوش مصنوعی (پیشرفته)» با ۵۰ فصل و ۹۷۳ صفحه.
خودآموزی کامل و مستقل با جوابِ تمرینها: برای خواندن و تمرین به سایت نیازی نیست. فهرست کامل و چند صفحهٔ نمونه را همینجا ببین.
پیشنمایش
این تصویرها چند صفحه از همین فایلاند.
فهرست مطالب
- ترم ۱ — کدی که میشود به آن تکیه کرد۱۰
- از نوتبوک به ماژول۱۰
- اولین تست، برای کدی که داده میخورد۲۸
- چرا تستِ کدِ یادگیری ماشین فرق دارد۴۸
- قرارداد: تایپ و اعتبارسنجی۶۶
- اشکالیابیِ روشمند۸۱
- اول اندازه بگیر، بعد سریع کن۹۸
- سریعتر، بدونِ GPU۱۱۹
- همزمانی برای کارِ داده۱۳۷
- پروژه: یک نوتبوکِ یادگیری ماشین را بسته کن۱۵۸
- ترم ۲ — داده بهعنوان زیرساخت۱۸۰
- مسیرِ داده: از منبع تا ویژگی۱۸۰
- قالبِ ذخیره، با عدد۲۰۷
- اعتبارسنجیِ داده و قراردادِ اسکیما۲۲۵
- نسخهبندیِ داده۲۴۷
- برچسب: کیفیت، توافق، هزینه۲۷۱
- مسیرِ متنِ فارسی در مقیاس۲۹۲
- نمونهگیری و توازن، بدونِ نشتی۳۱۰
- حریمِ خصوصی در مسیرِ داده۳۳۰
- پروژه: یک مسیرِ دادهٔ بازتولیدپذیر۳۵۲
- ترم ۳ — آزمایش، ردیابی، بازتولید۳۶۰
- آزمایش، بهعنوان واحدِ کار۳۶۰
- ردیابِ آزمایش، از صفر۳۷۸
- بازتولیدپذیریِ واقعی۳۹۸
- جستوجوی ابرپارامتر با بودجه۴۱۷
- مقایسهٔ صادقانه۴۳۵
- مدل بهعنوان محصول: رجیستری۴۵۰
- ارزیابیِ آفلاین دروغ میگوید۴۶۷
- پروژه: دفترِ آزمایشِ یک مدل۴۸۸
- ترم ۴ — استقرار۵۱۲
- بستهبندی برای اجرا۵۱۲
- از تابع تا سرویس۵۳۷
- مرزِ سرویس: کی، چقدر، و با چه کلیدی۵۵۷
- کارِ دستهای و صف۵۶۵
- `cache` و پیشمحاسبه۵۸۶
- انتشارِ تدریجی۶۰۶
- طرحِ شکست۶۲۶
- هزینه در تولید۶۴۶
- پروژه: استقرار با طرحِ برگشت۶۶۵
- ترم ۵ — زنده نگه داشتن۶۸۶
- پایش: چه چیزی را باید دید۶۸۶
- رانشِ داده و رانشِ مفهوم۷۱۰
- کیفیت وقتی برچسب نداری۷۲۹
- هشدار بدونِ خستگی۷۵۲
- بازخوردِ کاربر بهعنوان داده۷۷۴
- بازآموزی: کِی و چطور۷۹۵
- حادثه: تشخیص، مهار، گزارش۸۰۷
- پروژه: پایش و بازآموزی۸۱۵
- ترم ۶ — تیم، ریسک و تحویل۸۳۸
- مخزن، شاخه، بازبینی۸۳۸
- CI برای کدِ دادهمحور۸۵۷
- مستنداتی که کهنه نمیشود۸۷۹
- ریسک، ممیزی، ردِ تصمیم۸۹۱
- کارِ با ذینفعِ غیرفنی۹۱۱
- بساز یا بخر۹۲۷
- پروژهٔ نهایی: یک سامانهٔ کاملِ نگهداشتنی۹۴۴
از میز خوانندهها
یادداشتها و پرسشها
ستارهها را فقط کسانی میدهند که آن را خریدهاند و یادداشتشان مهر «خریدار» دارد. پرسیدن دربارهٔ آن برای همه آزاد است و نوشتهٔ اول هر کس پیش از انتشار خوانده میشود.
یادداشتها بعد از بارگذاری صفحه نشان داده میشوند.









