Udemy – Deployment of Machine Learning Models 2025-9

توضیحات

Deployment of Machine Learning Models، دوره آموزش استقرار مدل های یادگیری ماشین توسط آکادمی یودمی منتشر شده است. این دوره به شما نشان می دهد که چگونه مدل های یادگیری ماشین خود را از محیط تحقیق به یک محیط تولید کاملا یکپارچه ببرید. پیاده سازی مدل های یادگیری ماشین یا به بیان ساده تر، پیاده سازی مدل ها به این معنی است که مدل های خود را در دسترس سایر سیستم های داخل سازمان یا وب قرار دهید تا آن ها بتوانند داده ها را دریافت کرده و پیش بینی های خود را برگردانند. از طریق به کارگیری مدل های یادگیری ماشین، می توانید از مدلی که ساخته اید نهایت استفاده را ببرید.

در این مطلب قصد داریم شما را با آموزش های ویدیویی جذاب آشنا کنیم و هر آنچه را که برای شروع ساخت یک مدل در محیط تحقیق نیاز دارید، به شما آموزش دهیم و سپس Jupyter notebooks را به کد تولید تبدیل کنیم، کد را بسته بندی کرده و در یک API قرار دهیم و یکپارچه سازی مستمر و تحویل پیوسته را به آن اضافه کنیم. ما در مورد مفهوم تکرارپذیری، چرایی اهمیت آن، و چگونگی به حداکثر رساندن تکرارپذیری در طول استقرار، از طریق ورژن کنترل، مخازن کد و استفاده از داکر بحث خواهیم کرد و همچنین در مورد ابزارها و پلتفرم های موجود برای استقرار مدل های یادگیری ماشین بحث خواهیم کرد.

آنچه خواهید آموخت

• ساخت API های مدل یادگیری ماشین و استقرار مدل ها در فضای ابری
• ارسال و دریافت درخواست از مدل های یادگیری ماشین مستقر
• طراحی کد قابل تست و ورژن کنترل شده و قابل تکرار برای استقرار مدل
• ایجاد یکپارچگی های پیوسته و خودکار برای استقرار مدل های خود
• معماری بهینه یادگیری ماشین را بشناسید
• منابع مختلف موجود برای تولید مدل های خود را بشناسید
• شناسایی و کاهش چالش های تولید مدل ها

این دوره برای چه کسانی مناسب است

• دانشمندان داده ای که می خواهند اولین مدل یادگیری ماشین خود را پیاده سازی کنند
• دانشمندان داده ای که می خواهند بهترین شیوه های به کارگیری مدل را بیاموزند
• توسعه دهندگان نرم افزاری که می خواهند وارد دنیای یادگیری ماشین شوند

مشخصات دوره Deployment of Machine Learning Models

• ناشر: Udemy
• مدرس: Soledad Galli , Christopher Samiullah
• زبان: انگلیسی
• سطح آموزش: متوسط
• تعداد دروس: 150
• مدت زمان آموزش: 10 ساعت و 26 دقیقه

سر فصل های دوره

پیش نیاز های دوره

• A Python installation
• A Git installation
• Confidence in Python programming, including familiarity with Numpy, Pandas and Scikit-learn
• Familiarity with the use of IDEs, like Pycharm, Sublime, Spyder or similar
• Familiarity with writing Python scripts and running them from the command line interface
• Knowledge of basic git commands, including clone, fork, branch creation and branch checkout
• Knowledge of basic git commands, including git status, git add, git commit, git pull, git push
• Knowledge of basic CLI commands, including navigating folders and using Git and Python from the CLI
• Knowledge of Linear Regression and model evaluation metrics like the MSE and R2

تصاویر

فیلم نمونه

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 1080p

تغییرات:

نسخه 2023/2 نسبت به 2021/5 به تعداد 11 درس و مدت زمان 50 دقیقه افزایش داشته است. همچنین کیفیت دوره از 720p به 1080p افزایش یافته است.

نسخه 2025/9 نسبت به 2023/2 به تعداد 1 درس کاهش داشته است.

لینک دانلود

دانلود بخش 1 – 1 گیگابایت

دانلود بخش 2 – 1 گیگابایت

دانلود بخش 3 – 1 گیگابایت

دانلود بخش 4 – 1 گیگابایت

دانلود بخش 5 – 1 گیگابایت

دانلود بخش 6 – 236 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

5.23 گیگابایت