استقرار و سرویسدهی مدلها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت
استقرار مدلهای یادگیری ماشین گامی حیاتی در چرخه عمر هوش مصنوعی است، اما چالشهای منحصر به فردی دارد که نسبت به استقرار نرمافزار سنتی متفاوت است. در این دوره، استقرار و سرویسدهی مدلها، یاد می گیرید که چگونه مدلهای یادگیری ماشین را به طور مؤثر در محیطهای تولیدی مستقر، سرویسدهی و مدیریت کنید. ابتدا، تفاوتهای اساسی بین استقرار مدل و استقرار نرمافزار سنتی را به همراه استراتژیهای مختلفی مانند سرویسدهی یکباره، دستهای، بلادرنگ و مبتنی بر لبه بررسی خواهید کرد. در مرحله بعد، به معماریهای سرویسدهنده مدل پرداخته و رویکردهای مختلف، از جمله استقرارهای مبتنی بر ابر، محلی، بدون سرور و کانتینری را با هم مقایسه خواهید کرد. در نهایت، با پیادهسازی استقرار مدل پایه با استفاده از پلتفرم ابری مانند AWS SageMaker و راهاندازی پایپ لاین CI/CD برای تحویل مدل ML مقیاسپذیر و خودکار، تجربه عملی کسب خواهید کرد.
پس از پایان این دوره، مهارتها و دانش لازم برای استقرار مطمئن مدلهای یادگیری ماشین، بهینهسازی عملکرد سرویسدهی آنها و پیادهسازی مکانیزمهای نظارت و هشدار قوی برای تضمین قابلیت اطمینان در محیطهای تولید را خواهید داشت.
استقرار و سرویسدهی مدلها
-
مقدمهای بر استقرار مدل 3m 23s
-
استراتژیهای استقرار برای مدلهای ML 2m 3s
-
درک معماریهای سرویسدهی مدل 3m 34s
-
استراتژی استقرار و سرویسدهی 6m 23s
-
استقرار در ابر در مقابل استقرار محلی 5m 7s
-
سرویسدهی بدون سرور در مقابل سرویسدهی مبتنی بر کانتینر 7m 28s
-
نمونه: استقرار مدل با استفاده از AWS SageMaker 2m 7s
-
مقدمهای بر استراتژیهای استقرار ML 5m 55s
-
الگوهای استقرار برای مدلهای ML 8m 37s
-
نظارت و هشداردهی در استقرار مدلهای ML 5m 56s
-
پیادهسازی CI/CD برای مدلهای ML 7m 59s
مشخصات آموزش
استقرار و سرویسدهی مدلها
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:11
- مدت زمان :00:58:37
- حجم :161.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy