دوره MLOps از صفر تا صد

آنچه یاد خواهید گرفت:

• آشنایی با عملیات‌های یادگیری ماشین (MLOps)
• انتقال از مهندسان دواپس به مهندسان MLOps
• مبانی یادگیری ماشین ویژه مهندسان دواپس
• استقرار و نظارت بر مدل‌ها در محیط تولید
• ارکستراسیون پایپ‌لاین‌های یادگیری ماشین به‌ صورت End-to-End
• اجرای پروژه واقعی MLOps

پیش‌نیازهای دوره:

• درک اساسی از دواپس
• آشنایی اولیه با مفاهیم دواپس مانند داکر، کوبرنتیز و CI/CD

توضیحات دوره

«MLOps از صفر تا صد» یک دوره عملی و کاربردی است که به مهندسان کمک می‌کند درک کنند سیستم‌های یادگیری ماشین چگونه در محیط‌های واقعی تولید ساخته، مستقر و مدیریت می‌شوند. این دوره بر چالش‌های واقعی پس از آموزش مدل، از نسخه‌سازی داده‌ و ردیابی تست‌ها تا استقرار مدل‌ها، مقیاس‌بندی استنتاج و مدیریت قابل‌ اعتماد حجم‌های کاری یادگیری ماشین تمرکز دارد.

شما با اصول چرخه عمر یادگیری ماشین شروع می‌کنید و به‌ تدریج وارد هسته اصلی شیوه‌های MLOps می‌شوید. این دوره شامل نسخه‌سازی داده و مدل با استفاده از DVC، ردیابی تست‌ها با MLflow و کانتینرسازی با داکر است. شما مدل‌ها را روی کوبرنتیز مستقر می‌کنید، الگوهای Serving در سطح تولید را می‌آموزید و استنتاج نیتیو کوبرنتیز را با KServe پیاده‌سازی می‌کنید.

همچنین با گردش‌کارهای MLOps مبتنی بر AWS از جمله Amazon SageMaker آشنا می‌شوید تا درک کنید پلتفرم‌های مدیریت‌ شده چگونه در سازمان‌های واقعی استفاده می‌شوند. در ادامه، Kubeflow را بررسی می‌کنید تا یاد بگیرید پایپ‌لاین‌های یادگیری ماشین و حجم‌های کاری آموزش چگونه در محیط‌های کوبرنتیز ارکستره می‌شوند.

تمام مفاهیم با مثال‌های ساده و گردش‌کارهای واقعی توضیح داده می‌شوند و تمرکز اصلی بر درک عملی و شفاف به‌ جای مباحث صرفاً تئوریک است. در پایان دوره، دید کاملی از مسیر حرکت یادگیری ماشین از مرحله تست تا تولید خواهید داشت و با اطمینان می‌توانید سیستم‌های MLOps را در پروژه‌های واقعی طراحی، استقرار و مدیریت کنید.

این دوره برای چه کسانی مناسب است؟

• مهندسان دواپس که قصد دارند به نقش‌های MLOps منتقل شوند.
• افراد مبتدی که به استقرار و نگهداری مدل‌ها علاقه‌مند هستند.
• تمام افرادی که کنجکاوند بدانند مدل‌های یادگیری ماشین در سطح تولید چگونه مدیریت می‌شوند.