مقیاسپذیری و بهینهسازی عملکرد برای یادگیری ماشین
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
یاد بگیرید که چگونه مدلهای یادگیری ماشین را برای افزایش کارایی و عملکرد، بهینهسازی و مقیاسپذیر کنید. در این دوره، مقیاسپذیری و بهینهسازی عملکرد برای یادگیری ماشین، یاد خواهید گرفت که چگونه کارایی مدلهای یادگیری ماشین را برای محیطهای تولیدی افزایش دهید.
ابتدا، با تیون کردن هایپرپارامترها و فشردهسازی مدل برای بهینهسازی عملکرد آشنا خواهید شد. سپس تکنیکهای مقیاسپذیری، از جمله کشینگ و لودبالانسینگ را برای مدیریت بارهای کاری با تقاضای بالا کشف خواهید کرد.
در نهایت، یاد می گیرید که چگونه از مدلهای پیشآموزشدیده استفاده کنید و دادههای آموزشی را برای دقت بهتر بهبود ببخشید. در پایان این دوره، مهارتهایی خواهید داشت که به شما کمک میکند مدلهای یادگیری ماشین را مقیاسپذیر کنید، تاخیر را کاهش دهید و به طور مؤثر منابع را بهینهسازی کنید.
مقیاسپذیری و بهینهسازی عملکرد برای یادگیری ماشین
-
معرفی بهینهسازی مدل 4m 16s
-
تکنیکهای تیون کردن هایپرپارامتر 6m 18s
-
تکنیکهای فشردهسازی مدل 4m
-
دمو: اعمال تکنیکهای بهینهسازی 2m 14s
-
معرفی مقیاسپذیری راهحلهای یادگیری ماشین 3m 49s
-
کشینگ پیشبینی 3m 20s
-
لودبالانسینگ در سیستمهای یادگیری ماشین 4m 50s
-
بهینهسازی عملکرد یادگیری ماشین 4m 18s
-
درک عملکرد مدل 3m 32s
-
استفاده از مدلهای پیشآموزشدیده 6m 30s
-
بازآموزی مدل با استفاده از دادههای اضافی 5m 52s
-
دمو: بهبود عملکرد مدل 1m 45s
مشخصات آموزش
مقیاسپذیری و بهینهسازی عملکرد برای یادگیری ماشین
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:12
- مدت زمان :00:50:48
- حجم :113.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy