LinkedIn – Full-Stack Deep Learning with Python 2024-2

در تاریخ: 1404/01/16 3:24:50

توضیحات

دوره Full-Stack Deep Learning with Python. این دوره جامع، مفاهیم یادگیری عمیق فول‌استک با پایتون را با تأکید بر MLOps و MLflow به صورت عملی آموزش می‌دهد. در این دوره که توسط جانانی راوی، معمار گواهی‌شده ابر گوگل و مهندس داده تدریس می‌شود، ابتدا مروری بر مفاهیم پایه یادگیری عمیق فول‌استک، MLOps و MLflow ارائه می‌شود. سپس شرکت‌کنندگان محیط کار خود را در Google Colab راه‌اندازی کرده و با MLflow کار می‌کنند. در ادامه، روش‌های بارگذاری و بررسی مجموعه داده‌ها، ثبت معیارها، پارامترها و آرتیفکت‌ها آموزش داده می‌شود. بخش‌های اصلی دوره شامل آموزش مدل، ارزیابی عملکرد، تنظیم هایپرپارامترها، استقرار مدل و انجام پیش‌بینی‌هاست. در طول دوره، شرکت‌کنندگان با مجموعه داده EMNIST کار کرده، مدل‌های DNN و CNN را برای طبقه‌بندی تصاویر پیکربندی و آموزش می‌دهند. تکنیک‌های بهینه‌سازی هایپرپارامترها با Hyperopt و MLflow، شناسایی بهترین مدل و ثبت آن در رجیستری MLflow نیز پوشش داده می‌شود. در نهایت، روش‌های استقرار مدل روی ماشین محلی و سرویس‌دهی به آن آموزش داده می‌شود. این دوره برای افرادی مناسب است که می‌خواهند درک عمیق‌تری از یادگیری عمیق فول‌استک با پایتون و چرخه کامل توسعه مدل‌های یادگیری ماشین به دست آورند.

آنچه فرا خواهید گرفت:

درک مفاهیم فول-استک دیپ لرنینگ، MLOps و MLflow
راه‌اندازی محیط برای دیپ لرنینگ با پایتون و MLflow
لود، بررسی و آماده‌سازی دیتاست‌ها
آموزش، ارزیابی و تنظیم hyperparameter مدل‌های دیپ لرنینگ
لاگ کردن metrics، parameters و artifacts در MLflow
انجام predictions با استفاده از مدل‌های آموزش‌دیده
Deploy و serve کردن مدل‌های دیپ لرنینگ به صورت لوکال

این دوره مناسب چه کسانی است؟

توسعه‌دهندگان پایتون که علاقه‌مند به دیپ لرنینگ هستند.
مهندسان داده و متخصصان ML که می‌خواهند درک عمیق‌تری از فول-استک دیپ لرنینگ کسب کنند.
هر کسی که می‌خواهد به صورت عملی با MLOps و MLflow کار کند.