دوره آموزشی ضروریات MLOps با Azure: بخش سوم پروژه های اسپارک MLflow روی Databricks
18 دقیقهپیشرفته2022-09-09
مدرسین
Noah Gift
MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO
جزئیات دوره
این سری از دوره ها شما را با ملزومات MLOps، کاربرد مهندسی نرم افزار/توسعه اصول برای توسعه برنامه های کاربردی یادگیری ماشین آشنا می کند. در این دوره، متخصص MLOps Noah Gift شما را با چندین مورد از کارهای هیجان انگیزی که می توانید با پروژه های MLflow انجام دهید، با استفاده از Databricks و Azure آشنا می کند. Noah رابط Databricks Azure، اجرای پروژه های MLflow، autologging و ردیابی توسعه مدل را بررسی می کند. او تفاوتهای بین حالت علم و مهندسی داده و حالت یادگیری ماشین را توضیح میدهد و همچنین نحوه استفاده از هر کدام را به بهترین نحو توضیح میدهد. نوح مراحل ردیابی و آموزش آزمایشی از راه دور را در پلت فرم Databricks به شما نشان می دهد. او همچنین شما را از طریق Autologging Databricks و توسعه مدل پیگیری می کند.
مهارت ها
Apache SparkApacheCloud DevelopmentMachine LearningData EngineeringAzureData AnalysisEssential TrainingArtificial Intelligence (AI)Cloud ComputingData ScienceBusiness Analysis and StrategyBusiness Software and ToolsMicrosoft
سرفصل ها
1. پروژههای اسپارک MLflow روی Databricks
- 01 - ملزومات MLOps با Azure
- 02 - رابط Databricks Azure را کاوش کنید
- 03 - پروژههای MLflow را روی Databricks اجرا کنید
- 04 - Databricks autologging
- 05 - توسعه مدل را دنبال کنید
دوره های مرتبط
- دوره آموزشی ضروریات MLOps با Azure: بخش دوم Databricks MLflow و MLflow Tracking
- دوره آموزشی ضروریات MLOps با Azure: بخش چهارم Spark MLflow Models و Model Registry
- دوره آموزشی ضروریات MLOps با Azure: بخش اول مقدمه
- دوره آموزشی ملزومات MLOps: توسعه و ادغام مدل
- دوره آموزشی ملزومات MLOps: استقرار و نظارت مدل
- دوره آموزشی ملزومات MLOps: مانیتورینگ مدل دریفت و تعصب
- دوره آموزشی راهنمای کامل اصول پایتون برای MLOps
- دوره آموزشی یادگیری جامع Google Cloud Platform برای Machine Learning
مسیرهای مرتبط
- مسیر آموزشی کاوش در هوش مصنوعی برای مهندسی داده
- مسیر آموزشی ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی
- مسیر آموزشی تبدیل شدن به یک مهندس هوش مصنوعی
- مسیر آموزشی توسعه مهارت های هوش مصنوعی خود با Google Gemini و Google Cloud Platform
- مسیر آموزشی کار با داده: مهندسی، یکپارچهسازی و MLOps برای هوش مصنوعی
- مسیر آموزشی ساخت محصولات هوش مصنوعی: گواهینامه حرفهای معماری و ارکستراسیون
- مسیر آموزشی توسعه مهارت های Rust خود برای مهندسی داده
- مسیر آموزشی پیمایش در اکوسیستم هوش مصنوعی