آموزش GCP - مهندس حرفه‌ای یادگیری ماشین گوگل کلود

آنچه یاد خواهید گرفت:

• ساخت راه‌حل‌های یادگیری ماشین از ابتدا تا انتها در پلتفرم گوگل کلود (GCP)
• توسعه مدل‌های یادگیری ماشین با استفاده از BigQuery ML (رگرسیون، طبقه‌بندی، درخت‌های بوست شده، سری‌های زمانی، خودرمزگذارها، سیستم‌های توصیه‌گر)
• استفاده از Vertex AI Model Garden برای ساخت اپلیکیشن‌های generative AI، چندوجهی و پردازش متن
• پیاده‌سازی گردش‌کار پردازش هوشمند مستندات با استفاده از Document AI API و ساخت اپلیکیشن تجزیه فرم مبتنی بر Gradio
• آموزش، ارزیابی، استقرار و اجرای پیش‌بینی‌ها با استفاده از Vertex AI AutoML (جدولی، متن، تصویر، پیش‌بینی)
• ساخت ایجنت‌های LLM درجه تولید با استفاده از کیت توسعه ایجنت (ADK)، شامل ابزارها، چندایجنتی، callbacks و ذخیره‌سازی پایدار
• توسعه پایپ‌لاین‌های بازیابی نسل افزوده (RAG) با استفاده از Vertex AI RAG Service، شامل ایجاد corpus، کوئری و یکپارچه‌سازی ایجنت
• اعمال بهترین شیوه‌ها برای توسعه، استقرار، نظارت و بهینه‌سازی مدل‌های یادگیری ماشین در GCP

پیش‌نیازهای دوره

• درک اولیه از پایتون (سطح مبتدی کافی است.)
• آشنایی با اصول یادگیری ماشین (اختیاری اما مفید)
• حساب کاربری گوگل کلود (نسخه رایگان برای بیشتر لابراتوارهای عملی کافی است.)
• کنجکاوی برای یادگیری هوش مصنوعی، یادگیری ماشین، Generative AI و توسعه مبتنی بر ابر

توضیحات دوره

با یادگیری کامل یادگیری ماشین و Generative AI و توسعه ایجنت در GCP، به یک مهندس حرفه‌ای یادگیری ماشین گوگل کلود تبدیل شوید. این دوره کاملاً عملی است و تمام چرخه عمر یادگیری ماشین را با استفاده از BigQuery ML و Vertex AI Model Garden و Document AI و AutoML و کیت توسعه ایجنت (ADK) و Vertex AI RAG Service پوشش می‌دهد.

شما پروژه‌های واقعی از جمله مدل‌های رگرسیون، سیستم‌های طبقه‌بندی، موتورهای توصیه‌گر، شناساگرهای ناهنجاری، مدل‌های پیش‌بینی سری‌های زمانی، اپلیکیشن‌های Generative AI، تجزیه‌گرهای سند، پایپ‌لاین‌های AutoML و ایجنت‌های کامل LLM با ابزارها، مدیریت state، ذخیره‌سازی پایدار و callbacks را خواهید ساخت.

شما همچنین سیستم‌های بازیابی نسل افزوده (RAG) درجه سازمانی ایجاد خواهید کرد، LLMs را با مجموعه‌ داده‌های سفارشی یکپارچه کرده و یک ایجنت RAG کاملاً کاربردی با استفاده از ADK + Vertex AI RAG Service خواهید ساخت.

در پایان دوره، قادر خواهید بود با اطمینان راه‌حل‌های یادگیری ماشین را در GCP طراحی، ساخت، مستقر و نظارت کنید، مهارت‌هایی که مستقیماً با گواهینامه Google Cloud Professional ML Engineer certification همسو است.

مباحث کلیدی پوشش داده شده:

• BigQuery ML (رگرسیون، طبقه‌بندی، درخت‌های بوست شده، سری‌های زمانی، خودرمزگذارها، سیستم‌های توصیه‌گر و مهندسی ویژگی)
• Vertex AI Model Garden (Generative AI، هوش مصنوعی چندوجهی، تولید تصویر، پردازش متن)
• Document AI API (تجزیه فرم، پردازش PDF، استخراج جی‌سان، اپلیکیشن Gradio)
• Vertex AI AutoML (جدولی، تصویر، متن، پیش‌بینی)
• کیت توسعه ایجنت (ایجنت‌های استارتر، ابزارها، چندایجنتی، State، اجراکننده‌ها، Callbacks، ایجنت‌های ترتیبی و موازی)
• Vertex AI RAG Service (ایجاد Corpus، کوئری، توسعه ایجنت RAG)

این دوره به شما یادگیری عملی و پروژه‌ محور ارائه می‌دهد و هر مفهوم به صورت لایو پیاده‌سازی می‌شود و برای هر دو گروه مبتدیان و حرفه‌ای‌هایی که قصد تسلط به یادگیری ماشین در گوگل کلود را دارند، ایده‌آل است.

این دوره برای چه کسانی مناسب است؟

• متقاضیان گواهینامه Google Cloud Professional Machine Learning Engineer certification
• دانشمندان داده، مهندسان یادگیری ماشین، مهندسان هوش مصنوعی و توسعه‌دهندگانی که به گوگل کلود منتقل می‌شوند.
• حرفه‌ای‌هایی که به دنبال تجربه عملی با BigQuery ML و Vertex AI و AutoML و Document AI و RAG هستند.
• کسی که می‌خواهد اپلیکیشن‌های هوش مصنوعی و یادگیری ماشین و GenAI آماده تولید در GCP بسازد.
• دانشجویان و علاقه‌مندان به فناوری که می‌خواهند وارد حوزه یادگیری ماشین مبتنی بر ابر شوند.