آموزش MLA-C01 - استقرار و ارکستراسیون گردش کارهای یادگیری ماشین

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

پس از توسعه، آموزش و بهبود یک مدل یادگیری ماشین، شما آماده خواهید بود تا آن را در محیط تولید پیاده‌سازی کنید. در این دوره، شما چگونگی پیاده‌سازی و ارکستراسیون مدل‌های یادگیری ماشین را خواهید آموخت.

ابتدا، بررسی خواهید کرد چگونه زیرساخت استقرار مناسب را انتخاب کنید. سپس، کشف خواهید کرد چگونه زیرساخت را ایجاد و اسکریپت‌نویسی کنید. در نهایت، یاد خواهید گرفت چگونه از ابزارهای ارکستراسیون خودکار برای راه‌اندازی پایپ‌لاین‌های یکپارچه‌سازی مداوم و تحویل مداوم استفاده کنید.

پس از اتمام این دوره، شما مهارت‌ها و دانش لازم درباره یادگیری ماشین در AWS را خواهید داشت تا عملکردی عالی در این دامنه از آزمون گواهینامه داشته باشید.

آموزش MLA-C01 - استقرار و ارکستراسیون گردش کارهای یادگیری ماشین

فصل 1: انتخاب زیرساخت استقرار بر اساس معماری و الزامات موجود

بهترین شیوه‌های استقرار مدل 1m 38s
بررسی استقرار مدل‌های یادگیری ماشین با Amazon SageMaker 2m 16s
دمو: استقرار یک اندپوینت مدل بلادرنگ با SageMaker 10m 27s
چه زمانی از اندپوینت‌های بلادرنگ استفاده کنیم؟ 1m 41s
چه زمانی از اندپوینت‌های بدون سرور استفاده کنیم؟ 2m 8s
دمو: استقرار یک اندپوینت مدل بدون سرور با Amazon SageMaker 7m 14s
چه زمانی از اندپوینت‌های غیرهمزمان استفاده کنیم؟ 1m 34s
چه زمانی از استنتاج دسته‌ای استفاده کنیم؟ 2m 7s
استفاده از استنتاج دسته‌ای با SageMaker 8m 33s
ایمیج‌های کانتینر داخلی SageMaker در مقابل ایمیج‌های کانتینر سفارشی 3m 48s
SageMaker Neo چیست؟ 2m 42s
دمو: ارکستراسیون استقرار با پایپ‌لاین‌های SageMaker 11m 3s
ارزیابی هزینه عملکرد و مبادلات تأخیر 3m 23s
انتخاب منابع رایانش مناسب 4m 40s
چه زمانی از Apache Airflow استفاده کنیم؟ 2m 39s
انتخاب استقرارهای چندمدله یا چندکانتینره 2m 1s
مفاهیم کانتینرسازی و سرویس‌های کانتینر AWS 3m 26s
انتخاب هدف استقرار مناسب 4m 58s
بررسی انتخاب زیرساخت استقرار بر اساس معماری و الزامات موجود - قسمت 1 3m 20s
بررسی انتخاب زیرساخت استقرار بر اساس معماری و الزامات موجود - قسمت 2 5m 21s

فصل 2: ایجاد و اسکریپت‌نویسی زیرساخت بر اساس معماری و الزامات موجود

منابع بر اساس تقاضا و منابع تأمین شده 3m 16s
چگونه سیاست‌های مقیاس‌بندی را مقایسه کنیم؟ 1m 37s
زیرساخت به‌عنوان کد با AWS CloudFormation 3m 16s
چه زمانی از AWS CDK (کیت توسعه ابری) استفاده کنیم؟ 2m
فعال‌سازی ارتباط بین استک‌ها 1m 54s
چگونه از سیاست‌های مقیاس‌بندی خودکار اندپوینت Sagemaker استفاده کنیم؟ 3m 28s
SageMaker Managed Spot Training 1m 58s
ساخت و نگهداری کانتینرها 3m 1s
دمو: کانتینر خود را برای استفاده با SageMaker بسازید 9m 17s
پیکربندی اندپوینت‌های SageMaker در شبکه VPC 2m 21s
آشنایی با SageMaker SDK 3m 2s
انتخاب معیارهای مقیاس‌بندی خودکار مناسب 2m 30s
بررسی ایجاد و اسکریپت‌نویسی زیرساخت بر اساس معماری و الزامات موجود - قسمت 1 3m 50s
بررسی ایجاد و اسکریپت‌نویسی زیرساخت بر اساس معماری و الزامات موجود - قسمت 2 5m 42s

فصل 3: استفاده از ابزارهای ارکستراسیون خودکار برای راه‌اندازی پایپ‌لاین‌های یکپارچه‌سازی و تحویل مداوم (CI CD)

آشنایی با اصول CI CD 4m 26s
AWS CodePipeline چیست؟ 3m
AWS CodeBuild چیست؟ 1m 51s
AWS CodeDeploy چیست؟ 1m 32s
دمو: استفاده از CodePipeline 9m 45s
یکپارچه‌سازی و هضم خودکار داده 4m 3s
کنترل نسخه با گیت 1m 35s
چگونه مخازن کد و پایپ‌لاین‌ها با یکدیگر کار می‌کنند؟ 2m 42s
فراخوانی پایپ‌لاین‌ها 3m 55s
استراتژی استقرار آبی-سبز 1m 27s
استراتژی استقرار کَنری 1m 29s
استراتژی استقرار خطی 1m 25s
اتوماسیون ساخت و استقرار مدل 1m
اتوماسیون با Amazon EventBridge 2m 2s
استفاده از پایپ‌لاین‌های SageMaker 2m 30s
ایجاد تست‌های خودکار در پایپ‌لاین‌های CI CD 2m 13s
بهترین شیوه‌ها برای آموزش مجدد مدل‌ها 1m 54s
بررسی استفاده از ابزارهای ارکستراسیون خودکار برای راه‌اندازی پایپ‌لاین‌های CI CD - قسمت 1 4m 56s
بررسی استفاده از ابزارهای ارکستراسیون خودکار برای راه‌اندازی پایپ‌لاین‌های CI CD - قسمت 2 4m 19s