1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Udemy – MLOps with AWS – Bootcamp – Zero to Hero Series 2025-1
Master Practical MLOps for Data Scientists & DevOps on AWS

Udemy – MLOps with AWS – Bootcamp – Zero to Hero Series 2025-1

توضیحات

MLOps with AWS – Bootcamp – Zero to Hero Series دوره یادگیری عملی برای دانشمندان داده و مهندسان DevOps با AWS می باشد که توسط آکادمی یودمی منتشر شده است. دانش MLOps خود را تقویت کنید. تسلط AI/ML (هوش مصنوعی و ماشین لرنینگ) را در AWS با راهنمایی متخصص افزایش دهید.

این دوره جامع برای افرادی طراحی شده است که مایل به برتری در هوش مصنوعی و یادگیری ماشین یا (Machine Learning) ماشین لرنینگ (AI/ML) یا نقش‌های علم داده هستند و با طرز فکر سطح تولید به آنها نزدیک می‌شوند. در طول این دوره، مهارت‌های خود را در طراحی، ساخت، استقرار، بهینه‌سازی، آموزش، تنظیم و حفظ راه‌حل‌های ML برای چالش‌های کسب‌وکار در دنیای واقعی افزایش می‌دهید، و از قدرت AWS Cloud در ارتباط با بهترین شیوه‌های DevOps که برای یادگیری ماشینی طراحی شده است، استفاده می‌کنید. در حالی که ممکن است در حال حاضر درک اساسی از یادگیری ماشین (Machine Learning) داشته باشید، لازم است بدانید که کارفرمایان به دنبال چیزی بیشتر از اصول اولیه هستند که می‌توانند در یک نوت بوک محلی اجرا شوند.

آنچه در دوره آموزشی MLOps with AWS – Bootcamp – Zero to Hero Series آموزش خواهید دید:

  • پیکربندی خط لوله CI/CD برای پروژه های یادگیری ماشینی
  • امکان ردیابی کد منبع و تصاویر آموزشی، فایل های پیکربندی با مخزن مبتنی بر Git – AWS CodeCommit
  • امکان اجرای ساخت با استفاده از AWS CodeBuild
  • امکان استقرار برنامه روی سرور با استفاده از AWS CodeDeploy
  • مراحل MLOps را با استفاده از AWS CodePipeline هماهنگ کنید
  • خدمات مناسب AWS را برای پیاده سازی راه حل های ML شناسایی کنید
  • تست بار را انجام دهید
  • نظارت بر عملکرد نقطه پایانی
  • نظارت بر دریفت مدل
  • توانایی پیروی از بهترین شیوه های آموزش مدل
  • توانایی پیروی از بهترین شیوه های استقرار
  • توانایی پیروی از بهترین شیوه های عملیاتی

این دوره برای چه کسانی مناسب است:

  • هر کسی که برای مصاحبه های علوم داده، یادگیری ماشین و یادگیری عمیق آماده می شود.
  • هر کسی که علاقه مند به یادگیری نحوه پیاده سازی یادگیری ماشین در داده های مقیاس بزرگ است.
  • هر کسی که علاقه مند به یادگیری ماشینی مبتنی بر ابر AWS و علم داده است.
  • هر کسی که به دنبال یادگیری بهترین روش‌ها برای استقرار مدل‌های یادگیری ماشین در Cloud است.
  • هر کسی که به دنبال یادگیری بهترین روش ها برای عملیاتی کردن مدل های یادگیری ماشین است.

مشخصات دوره

  • ناشر: یودمی
  • مدرس: Manifold AI Learning ®
  • زبان: انگلیسی
  • سطح آموزش: مقدماتی تا پیشرفته
  • تعداد دروس: 186
  • مدت زمان آموزش: 37 ساعت و 47 دقیقه

سرفصل های دوره

MLOps with AWS - Bootcamp - Zero to Hero Series

پیش نیازهای دوره

  • Basic knowledge of AWS
  • Account with AWS for practical Hand-On
  • Basic knowledge of Machine Learning & Deep Learning

تصاویر

MLOps with AWS - Bootcamp - Zero to Hero Series

فیلم معرفی دوره

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720p , 1080p

عنوان قبلی:

Master Practical MLOps for Data Scientists & DevOps on AWS

تغییرات:

نسخه 2024/5 نسبت به 2023/9 به تعداد 11 درس و مدت زمان 5 ساعت و 25 دقیقه افزایش داشته است.

نسخه 2024/8 نسبت به 2024/5 به تعداد 2 درس و مدت زمان 53 دقیقه افزایش داشته است. همچنین کیفیت دوره از 720p به 1080p افزایش یافته است.

نسخه 2025/1 نسبت به 2024/8 به تعداد 19 درس و مدت زمان 3 ساعت 46 دقیقه افزایش داشته است.

لینک دانلود

1080p

دانلود بخش 1 – 4 گیگابایت

دانلود بخش 2 – 4 گیگابایت

دانلود بخش 3 – 4 گیگابایت

دانلود بخش 4 – 4 گیگابایت

دانلود بخش 5 – 3.93 گیگابایت

720p
دانلود بخش 1 – 3 گیگابایت

دانلود بخش 2 – 3 گیگابایت

دانلود بخش 3 – 3 گیگابایت

دانلود بخش 4 – 3 گیگابایت

دانلود بخش 5 – 1.07 گیگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

19.3 / 13  گیگابایت

5/5 - (3 امتیاز)

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

فهرست