دوره آموزشی
دوبله زبان فارسی
آمادگی برای آزمون گواهینامه Google Cloud Professional Machine Learning Engineer Cert
✅ سرفصل و جزئیات آموزش
کسب گواهینامه Google Cloud Professional Machine Learning Engineer certification تأیید میکند که شما قادر به ساخت، ارزیابی، تولید و بهینهسازی راهحلهای هوش مصنوعی با استفاده از قابلیتهای Google Cloud و دانش رویکردهای متعارف یادگیری ماشین هستید. در این دوره، نوح گیفت، شما را برای آزمون این گواهینامه، از جمله بررسی آزمون شامل فرمت آزمون، زمان لازم و نحوه و محل برگزاری آزمون آماده میکند.
سپس او به شش بخش این آزمون میپردازد و مواردی را که باید در مورد آنها بدانید، پوشش میدهد که شامل: معماری راهحلهای یادگیری ماشین با کد کم؛ همکاری درون و بین تیمها برای مدیریت داده و مدلها؛ مقیاسبندی نمونههای اولیه به مدلهای یادگیری ماشین؛ ارائه و مقیاسبندی مدلها؛ اتوماسیون و ارکستراسیون پایپلاینهای یادگیری ماشین و نظارت بر راهحلهای یادگیری ماشین میباشد.
آمادگی برای آزمون گواهینامه Google Cloud Professional Machine Learning Engineer Cert
-
بررسی دوره و آزمون گواهینامه Google Professional Machine Learning Engineer 0:03:34
-
چارچوببندی مشکلات یادگیری ماشین - اصطلاحات کلیدی 0:04:00
-
ساخت گردشکارهای فعالشده با هوش مصنوعی 0:01:39
-
استفاده از ابزارهای هوش مصنوعی برای ساخت ابزارهای هوش مصنوعی 0:01:52
-
آموزش MLOps در مقیاس با گیتهاب 0:28:58
-
شبیهسازیها در برابر ردیابی تست 0:06:12
-
چه زمانی از یادگیری ماشین استفاده کنیم؟ 0:01:53
-
یادگیری ماشین نظارت شده در برابر نظارت نشده 0:02:23
-
بهینهسازی 0:02:16
-
خوشهبندی 0:02:08
-
تعریف معیارهای موفقیت کسبوکار 0:02:39
-
سلسله مراتب نیازها در MLOps 0:03:05
-
هزینههای پنهان سیستمهای سفارشی 0:02:24
-
مسمومیت داده 0:02:50
-
چارچوببندی مشکلات یادگیری ماشین - گامهای بعدی 0:01:30
-
معماری راهحل یادگیری ماشین - بررسی 0:02:06
-
معماری راهحل یادگیری ماشین - اصطلاحات کلیدی 0:02:47
-
مزیت فضای کار توسعهدهنده ابری 0:04:10
-
تحویل مداوم چیست؟ 0:02:50
-
میکروسرویسهای یادگیری ماشین کانتینری شده 0:02:39
-
ذهنیت SRE برای MLOps 0:27:30
-
گردش کار قابل بازتولید 0:01:40
-
یادگیری یکپارچهسازی مداوم 0:32:14
-
انتخاب MLOps سنگین در مقابل سبک 0:03:16
-
کامپوننتهای کلیدی چشمانداز MLOps 0:03:43
-
فروشگاه ویژگی در مقابل انبار داده 0:02:00
-
انتخاب رایانش 0:01:13
-
معماری راهحل یادگیری ماشین - گامهای بعدی 0:01:38
-
طراحی سیستمهای آمادهسازی و پردازش داده - بررسی 0:01:25
-
طراحی سیستمهای آمادهسازی و پردازش داده - اصطلاحات کلیدی 0:02:37
-
آنبوردینگ به GCP 0:08:05
-
Google Colab چیست؟ 0:05:48
-
تحلیل داده اکتشافی برای امید به زندگی 0:06:53
-
راهاندازی علم داده با virtualenv و pip در ویندوز 0:03:28
-
ترسیم نمودار داده برای تحلیل داده اکتشافی 0:03:46
-
برچسبگذاری داده 0:01:24
-
برچسبگذاری از طریق مکانیسم ترکی 0:01:35
-
پاکسازی داده 0:01:28
-
مقیاسبندی داده 0:01:30
-
پایپلاینهای داده BigQuery با Colab 0:05:32
-
مفاهیم مهندسی ویژگی 0:01:34
-
استخراج ویژگیها از مجموعه دادههای عمومی 0:01:44
-
تحلیل داده اکتشافی با Google BigQuery 0:12:36
-
طراحی سیستمهای آمادهسازی و پردازش داده - گامهای بعدی 0:01:21
-
توسعه مدلهای یادگیری ماشین - بررسی 0:01:18
-
توسعه مدلهای یادگیری ماشین - اصطلاحات کلیدی 0:03:37
-
استفاده از زمین بازی تنسورفلو 0:02:01
-
بیشبرازش در برابر کمبرازش 0:01:58
-
انتخاب متریکهای مناسب 0:05:33
-
آموزش مدلها با تنسورفلو و داکر فعالشده GPU 0:03:54
-
تیونینگ دقیق متریال اولیه با Hugging Face 0:01:36
-
مزایای یادگیری انتقالی 0:02:08
-
عملیاتیسازی میکروسرویسها 0:01:57
-
نظارت و لاگ کردن با Rust در Google App Engine 0:03:35
-
یکپارچهسازی مداوم با استفاده از Rust و GitHub Actions 0:07:52
-
دمو - تست واحد با Rust 0:06:36
-
دمو - Rust با قابلیت گیتهاب کوپایلت 0:09:15
-
راهاندازی ایستگاه کاری GCP با پایتون 0:04:41
-
دمو - شل Google Cloud 0:04:23
-
دمو - ویرایشگر Google Cloud 0:04:41
-
دمو - Google CLI SDK 0:06:18
-
دمو - Google gcloud CLI 0:06:14
-
دمو - استقرار Rust در Google App Engine 0:05:15
-
دمو - Google App Engine با Golang 0:05:08
-
توسعه مدلهای یادگیری ماشین - گامهای بعدی 0:01:44
-
اتوماسیون و ارکستراسیون پایپلاینهای یادگیری ماشین - بررسی 0:01:22
-
اتوماسیون و ارکستراسیون پایپلاینهای یادگیری ماشین - اصطلاحات کلیدی 0:03:23
-
مهندسی پرامپت برای Google BigQuery با چتجیپیتی 4 0:09:20
-
شروع کار با Vertex AI 0:02:30
-
درک TPUs 0:05:10
-
TPUs به عنوان انتقال فناوری 0:03:54
-
دمو - TPU و PyTorch و MNIST 0:04:14
-
ارائه TensorFlow با داکر فعالشده با GPU 0:05:59
-
بررسی میکروسرویس Rust و PyTorch 0:07:03
-
دمو - میکروسرویس PyTorch از پیش آموزش دیده با Rust 0:06:41
-
اتوماسیون و ارکستراسیون پایپلاینهای یادگیری ماشین - گامهای بعدی 0:01:43
-
نظارت، بهینهسازی و نگهداری راهحلهای یادگیری ماشین - بررسی 0:01:23
-
نظارت، بهینهسازی و نگهداری راهحلهای یادگیری ماشین - اصطلاحات کلیدی 0:03:14
-
توضیح رانش داده با مشکل کودک شیطون 0:01:39
-
تست بارگذاری با Locust 0:03:25
-
دمو - حسابرسی از طریق لاگها 0:02:20
-
دمو - داشبورد لاگ کردن 0:03:41
-
دمو - اسکنر امنیت وب ابری 0:02:46
-
دمو - کوئری خروجی لاگ کردن با BigQuery 0:03:49
-
دمو - تست بارگذاری با Rust 0:05:41
-
پنج چرا 0:04:06
-
استفاده از دورههای گوگل 0:03:11
-
ساخت مترجم با Rust و Hugging Face 0:06:14
-
استفاده از PyTorch و Rust برای استیل دیفیوژن 0:07:04
-
استفاده از Rust با PyTorch 0:07:52
-
ساخت تست تنش برای CUDA GPU 0:07:38
-
گامهای بعدی 0:06:28
مشخصات آموزش
آمادگی برای آزمون گواهینامه Google Cloud Professional Machine Learning Engineer Cert
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:پیشرفته
- تعداد درس:92
- مدت زمان :7:07:29
- حجم :999.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
651,500
130,300 تومان
- زمان: 01:39:55
- تعداد درس: 6
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,889,000
377,800 تومان
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,501,000
300,200 تومان
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
490,000
98,000 تومان
- زمان: 54:55
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,797,000
359,400 تومان
- زمان: 04:33:59
- تعداد درس: 86
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
9,249,500
1,849,900 تومان
- زمان: 23:25:23
- تعداد درس: 78
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
490,000
98,000 تومان
- زمان: 01:08:59
- تعداد درس: 8
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
5,029,500
1,005,900 تومان
- زمان: 12:44:39
- تعداد درس: 121
-
سطح دوره:
-
زبان: دوبله فارسی