ابزارهای MLFlow :MLOps و Hugging Face
✅ سرفصل و جزئیات آموزش
در این دوره به MLFLow و Hugging Faace که دو پلتفرم متن باز قدرتمند برای MLOps می باشند، مسلط خواهید شد.
در این دوره، نحوه تسلط به MLflow و Hugging Face، دو پلتفرم متن باز قدرتمند برای MLOps را خواهید آموخت. با شروع از MLflow، شما خواهید آموخت که چگونه چرخه عمر یادگیری ماشین را ساده کنید، پروژه ها و مدل ها را مدیریت کنید، از سیستم UI ردیابی استفاده کنید و با مدل های رجیستر شده تعامل کنید.
سپس، با مروری بر Hugging Face Hub، مخازن، و Hugging Face Spaces، مقدمه ای از Hugging Face مشاهده خواهید کرد و همچنین نحوه همکاری و استقرار مدل ها، ذخیره مجموعه های داده و مدل ها، ایجاد دموهای تعاملی زنده، و بهره بردن از community repositories را خواهید آموخت.
ابزارهای MLFlow :MLOps و Hugging Face
-
آشنایی با پلتفرم های MLOps 0:02:55
-
بررسی MLFlow 0:04:12
-
نصب و استفاده از MLFlow 0:05:52
-
آشنایی با UI ردیابی 0:08:32
-
پارامترها، نسخه ها، آرتیفکت ها و معیارها 0:10:11
-
کار با پروژه های MLFlow 0:04:48
-
ایجاد یک پروژه MLFlow 0:07:47
-
اجرای پروژه ها از مخازن گیت از راه دور 0:03:37
-
اتصال MLFlow به Databricks 0:05:18
-
کامپوننت های بسته MLFLow 0:05:57
-
استفاده از یک رجیستری با یک مدل MLFLow 0:05:05
-
ارجاع آرتیفکت ها با API 0:07:57
-
ذخیره و ارائه مدل های MLFLow 0:07:59
-
Hugging Face چیست؟ 0:05:32
-
بررسی Hugging Face Hub 0:04:57
-
آشنایی با Hugging Face Hub 0:05:09
-
استفاده از مخازن Hugging Face 0:07:44
-
استفاده از Hugging Face Spaces 0:12:32
-
آشنایی با Hugging Face کاربردی 0:01:36
-
استفاده از GPU-enabled Codespaces 0:08:14
-
استفاده از Hugging Face CLI 0:02:19
-
استفاده از Model Hub 0:07:10
-
دانلود مدل ها 0:07:42
-
کار با مدل ها 0:09:34
-
افزودن مجموعه های داده 0:06:38
-
استفاده از مجموعه های داده 0:10:46
-
کار با مجموعه های داده 0:06:44
-
Hugging Face و FastAPI 0:04:09
-
کانتینرسازی Hugging Face 0:03:43
-
اجرای FastAPI با Hugging Face 0:07:30
-
بسته بندی CI/CD با GitHub Actions 0:09:35
-
Hugging Face و Azure ML Studio 0:04:35
-
رجیستر مجموعه داده Hugging Face در آژور 0:07:35
-
رجیستر مدل Hugging Face در آژور 0:05:38
-
بررسی یک مجموعه داده Hugging Face در آژور 0:02:47
-
SDK پایتون Azure ML 0:05:26
-
استفاده از GitHub Actions برای استقرار مدل ها 0:05:46
-
استفاده از رجیستری کانتینر آژور 0:03:33
-
خودکارسازی بسته بندی با رجیستری کانتینر آژور 0:07:05
-
خودکارسازی بسته بندی Docker Hub 0:05:53
-
ایجاد یک اپلیکیشن کانتینتر آژور 0:05:03
-
پیکربندی یک اپلیکیشن کانتینر آژور 0:04:56
-
استقرار Hugging Face در آژور 0:12:05
-
عیب یابی استقرار کانتینر 0:04:01
-
آشنایی با تئوری تنظیم دقیق 0:02:54
-
انجام تنظیم دقیق 0:08:09
-
آشنایی با ONNX و Hugging Face 0:08:50
-
اکسپورت مدل های Hugging Face به ONNX 0:03:58
-
آشنایی با Hugging Face Spaces 0:04:46
-
بررسی Hugging Face Spaces 0:06:04
-
استقرار در Hugging Face Spaces 0:03:14
مشخصات آموزش
ابزارهای MLFlow :MLOps و Hugging Face
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:51
- مدت زمان :5:14:02
- حجم :824.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy