دوره آموزشی
آموزش های Coursera
دوبله زبان فارسی

الزامات پایتون برای MLOps

الزامات پایتون برای MLOps

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • کار با منطق در پایتون، تخصیص متغیرها و استفاده از ساختارهای مختلف داده
  • نوشتن، اجرا و اشکال‌زدایی با Pytest تست‌ها برای تأیید کار خود
  • تعامل با APIها و SDKها برای ساخت ابزارهای خط فرمان و APIهای HTTP به منظور حل و اتوماشیون مسائل یادگیری ماشین

توضیحات دوره

الزامات پایتون برای MLOps (عملیات‌های یادگیری ماشین) دوره‌ای است که طراحی شده تا مهارت‌های اساسی پایتون برای موفقیت در یک نقش MLOps را در اختیار دانشجویان قرار دهد. این دوره مبانی زبان برنامه‌نویسی پایتون، از جمله انواع داده، توابع، ماژول‌ها و تکنیک‌های تست را پوشش می‌دهد. همچنین توضیح می‌دهد چگونه به طور مؤثر با مجموعه‌های داده و دیگر تسک‌های علم داده با پانداس و NumPy کار کنید. از طریق مجموعه‌ای از تمرین‌های عملی، دانشجویان تجربه عملی در کار با پایتون در زمینه‌ی گردش کار MLOps کسب خواهند کرد. در پایان دوره، دانشجویان مهارت‌های لازم برای نوشتن اسکریپت‌های پایتون برای اتوماسیون تسک‌های رایج MLOps را خواهند داشت. این دوره برای هر کسی که به‌دنبال ورود به حوزه MLOps است یا برای متخصصان با تجربه MLOps که می‌خواهند مهارت‌های پایتون خود را بهبود دهند، ایده‌آل است.

الزامات پایتون برای MLOps

  • با مدرس دوره‌ی خود آشنا شوید: آلفردو دزا 1:53
  • معرفی درس: متغیرها و نوع‌ها 0:22
  • متغیرها و تخصیص‌ها 5:36
  • کار با انواع مختلف داده 7:37
  • شرطی‌ها و ارزیابی‌ها 7:26
  • ضبط و مدیریت استثناها 6:03
  • جمع‌بندی درس: متغیرها و نوع‌ها 0:27
  • معرفی درس: ساختارهای داده‌ی پایتون 0:33
  • آشنایی با لیست ها 3:07
  • ایجاد و Iterating در لیست‌ها 3:27
  • آشنایی با دیکشنری ها 3:10
  • ایجاد و Iterating در دیکشنری‌ها 4:23
  • سایر ساختارهای داده: تاپل‌ها و مجموعه‌ها 4:53
  • جمع‌بندی درس: ساختارهای داده‌ی پایتون 0:35
  • معرفی درس: افزودن و استخراج داده 0:32
  • افزودن داده به لیست‌ها 3:39
  • استخراج داده از لیست‌ها 4:09
  • استخراج داده از دیکشنری‌ها 4:11
  • جمع‌بندی درس: افزودن و استخراج داده 0:34
  • با مدرس خود ارتباط برقرار کنید None
  • با مدرس پشتیبان خود آشنا شوید: نوآ گيفت None
  • ساختار دوره و آداب بحث None
  • شروع کار و بهترین روش‌ها در دوره None
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • کتاب Minimal Python: ذخیره داده None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • معرفی درس: کار با توابع 0:37
  • ساختار و مقادیر توابع 3:40
  • آرگومان‌های تابع 5:09
  • آرگومان‌های کلمه‌کلید و متغیر 5:03
  • جمع‌بندی درس: کار با توابع 0:31
  • معرفی درس: ساخت کلاس‌ها و متدها 0:36
  • معرفی به کلاس‌ها 7:51
  • استفاده از یک Constructor 6:12
  • افزودن متدها 4:54
  • وراثت کلاس 5:17
  • جمع‌بندی درس: ساخت کلاس‌ها و متدها 0:37
  • معرفی درس: ماژول‌ها و کاربردهای پیشرفته 0:38
  • آشنایی با ماژول‌های پایتون 3:26
  • کار با ایمپورت‌ها 4:17
  • کار با اسکریپت‌های پایتون 4:57
  • محیط‌های مجازی و وابستگی‌ها 5:25
  • جمع‌بندی درس: ماژول‌ها و کاربردهای پیشرفته 0:37
  • اصطلاحات کلیدی None
  • کتاب Minimal Python: ایجاد توابع None
  • ژنراتورها None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • وراثت None
  • اصطلاحات کلیدی Sandbox لابراتوار بدون نمره None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • مسیر یادگیری پایتون برای افراد مبتدی None
  • درک بسته‌بندی شخص ثالث None
  • تفکر پیرامون درس None
  • معرفی درس: نوشتن و اجرای تست‌ها 0:33
  • انگیزه‌ها برای تست در پایتون 5:32
  • کنوانسیون تست 8:02
  • تست با pytest 6:27
  • جمع‌بندی درس: نوشتن و اجرای تست‌ها 0:43
  • معرفی درس: نوشتن تست‌های کاربردی 0:39
  • استفاده از Plan Asserts در pytest 5:10
  • نوشتن کلاس‌های تست 4:59
  • کلاس‌های تست در مقابل توابع تست 3:46
  • پارامتری کردن تست‌ها 7:18
  • جمع‌بندی درس: نوشتن تست‌های کاربردی 0:47
  • معرفی درس: شکست‌های تست 0:47
  • خروجی شکست تست 5:10
  • اسکال‌زدایی پایتون با PDB 5:36
  • گزینه‌های دیگر pytest Runner 3:45
  • فیکسچرهای pytest 6:09
  • جمع‌بندی درس: شکست‌های تست 0:41
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • معرفی درس: کاربرد اولیه پانداس 0:31
  • آشنایی با پانداس 5:03
  • بارگذاری داده در پانداس 5:40
  • نوشتن داده از دیتافریم‌های پانداس 3:55
  • تحلیل اکتشافی با پانداس 6:19
  • جمع‌بندی درس: کاربرد اولیه پانداس 0:46
  • معرفی درس: کار با دیتافریم‌ها 0:24
  • عملیات‌های رایج دیتافریم 7:00
  • دستکاری متن در دیتافریم‌ها 4:25
  • اعمال توابع با پانداس 3:41
  • مصورسازی داده با پانداس 4:42
  • جمع‌بندی درس: کار با دیتافریم‌ها 0:37
  • معرفی درس: مبانی NumPy 0:24
  • آشنایی با آرایه‌های NumPy 5:44
  • عملیات‌های رایج آرایه NumPy 3:58
  • اطلاعات بیشتر در مورد عملیات‌های آرایه NumPy 6:49
  • جمع‌بندی درس: مبانی NumPy 0:28
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • معرفی درس: APIها و SDKها 0:49
  • نصب رابط خط فرمان آژور (CLI) 6:00
  • AzureML Studio با پایتون 6:55
  • ترنسفورمرهای Hugging Face 6:08
  • مجموعه‌های داده Hugging Face 8:18
  • مجموعه‌های داده‌ی Azure Open 6:22
  • جمع‌بندی درس: APIها و SDKها 0:52
  • معرفی درس: اتوماسیون با ابزارهای خط فرمان 0:43
  • ایجاد یک اسکریپت تک فایل 4:42
  • استفاده از فریمورک ArgParse 6:20
  • اعلان وابستگی‌ها 3:27
  • استفاده از فریمورک Click 7:44
  • پروژه خود را بسته‌بندی کنید 4:30
  • حل یک مشکل یادگیری ماشین با یک ابزار خط فرمان 8:01
  • جمع‌بندی درس: اتوماسیون با ابزارهای خط فرمان 0:39
  • معرفی درس: ساخت APIهای یادگیری ماشین 0:40
  • آشنایی با فریمورک فلسک 6:24
  • ساخت یک API با فلسک 8:03
  • آشنایی با فریمورک FastAPI 7:35
  • ساخت یک API با FastAPI 6:36
  • بهترین شیوه‌های Python API 7:16
  • جمع‌بندی درس: ساخت APIهای یادگیری ماشین 0:40
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • تفکر پیرامون درس None
  • اصطلاحات کلیدی None
  • لابراتوار خارجی: قالب MLOps مبتنی بر GPU None
  • تفکر پیرامون درس None
  • گام‌های بعدی None

2,350,000 470,000 تومان

مشخصات آموزش

الزامات پایتون برای MLOps

  • تاریخ به روز رسانی: 1404/06/14
  • سطح دوره:متوسط
  • تعداد درس:136
  • مدت زمان :05:57:38
  • حجم :764.0MB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

علم داده: رگرسیون خطی بیزی در پایتون
The Great Courses
1,889,000 377,800 تومان

علم داده: رگرسیون خطی بیزی در پایتون

  • زمان: 04:47:39
  • تعداد درس: 30
  • سطح دوره:
  • زبان: دوبله فارسی
پایتون برای تسلط به داده: تحلیل داده با کتابخانه‌های برتر
The Great Courses
2,659,500 531,900 تومان

پایتون برای تسلط به داده: تحلیل داده با کتابخانه‌های برتر

  • زمان: 06:44:45
  • تعداد درس: 35
  • سطح دوره:
  • زبان: دوبله فارسی
رگرسیون خطی و پایتون - یادگیری ماشین برای اپلیکیشن‌های موبایل
The Great Courses
1,501,000 300,200 تومان

رگرسیون خطی و پایتون - یادگیری ماشین برای اپلیکیشن‌های موبایل

  • زمان: 03:48:11
  • تعداد درس: 47
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش Django Banking API کامل - ساخت یک پلتفرم فین‌تک ایمن
The Great Courses
7,300,500 1,460,100 تومان

آموزش Django Banking API کامل - ساخت یک پلتفرم فین‌تک ایمن

  • زمان: 18:29:24
  • تعداد درس: 115
  • سطح دوره:
  • زبان: دوبله فارسی
پایتون و جنگو ایمن - ساخت وب اپلیکیشن‌های ضد هک
The Great Courses
2,113,000 422,600 تومان

پایتون و جنگو ایمن - ساخت وب اپلیکیشن‌های ضد هک

  • زمان: 05:21:41
  • تعداد درس: 51
  • سطح دوره:
  • زبان: دوبله فارسی
علم داده با R و پایتون - برنامه‌نویسی R
The Great Courses
9,269,000 1,853,800 تومان

علم داده با R و پایتون - برنامه‌نویسی R

  • زمان: 23:28:00
  • تعداد درس: 170
  • سطح دوره:
  • زبان: دوبله فارسی
پایتون و Turtle - راهنمای عملی برای مبتدیان و فراتر از آن
The Great Courses
8,762,000 1,752,400 تومان

پایتون و Turtle - راهنمای عملی برای مبتدیان و فراتر از آن

  • زمان: 22:11:23
  • تعداد درس: 140
  • سطح دوره:
  • زبان: دوبله فارسی
ساخت 5 بازی حرفه‌ای موبایل اندروید/iOS با پایتون
The Great Courses
6,734,500 1,346,900 تومان

ساخت 5 بازی حرفه‌ای موبایل اندروید/iOS با پایتون

  • زمان: 17:03:28
  • تعداد درس: 45
  • سطح دوره:
  • زبان: دوبله فارسی
برنامه‌نویسی برای مبتدیان: (Python ،HTML ،CSS ،JavaScript)
The Great Courses
8,360,500 1,672,100 تومان

برنامه‌نویسی برای مبتدیان: (Python ،HTML ،CSS ،JavaScript)

  • زمان: 21:10:47
  • تعداد درس: 202
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید