دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش چهارم توسعه مدل های ML
1 ساعت 30 دقیقهپیشرفته2023-06-16
مدرسین
Noah Gift
MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO
جزئیات دوره
گواهینامه مهندس یادگیری ماشین حرفهای گوگل به کارفرمایان بالقوه این پیام رو میده که شما دانش لازم برای طراحی، ساخت، و پیادهسازی مدلهای یادگیری ماشین برای حل چالشهای کسبوکار با استفاده از تکنولوژیهای گوگل کلاد رو دارید و با مدلها و تکنیکهای اثباتشده یادگیری ماشین آشنا هستید.
در این چهارمین دوره از سری آمادگی گواهینامه، مربی نوآ گيفت به موضوعاتی در مورد توسعه مدلهای یادگیری ماشین میپردازه. اون به شما نشون میده چطور مدلها رو با استفاده از تنسورفلو بسازید، مفاهیم مربوط به اورفیتینگ (Overfitting) و آندر فیتینگ (Underfitting) رو توضیح میده، و چطور معیارهای ارزیابی درست رو انتخاب کنید. سپس نوآ توضیح میده چطور مدلها رو آموزش بدید، از جمله مزایای یادگیری انتقالی. در نهایت، یاد میگیرید چطور آموزش و ارائه مدلها رو مقیاسبندی کنید، از جمله اینکه چطور یک میکروسرویس بسازید و اون رو با استفاده از زبان رست در گوگل اپ انجین مستقر کنید.
در این چهارمین دوره از سری آمادگی گواهینامه، مربی نوآ گيفت به موضوعاتی در مورد توسعه مدلهای یادگیری ماشین میپردازه. اون به شما نشون میده چطور مدلها رو با استفاده از تنسورفلو بسازید، مفاهیم مربوط به اورفیتینگ (Overfitting) و آندر فیتینگ (Underfitting) رو توضیح میده، و چطور معیارهای ارزیابی درست رو انتخاب کنید. سپس نوآ توضیح میده چطور مدلها رو آموزش بدید، از جمله مزایای یادگیری انتقالی. در نهایت، یاد میگیرید چطور آموزش و ارائه مدلها رو مقیاسبندی کنید، از جمله اینکه چطور یک میکروسرویس بسازید و اون رو با استفاده از زبان رست در گوگل اپ انجین مستقر کنید.
مهارت ها
Google CloudMachine LearningSoftware Development ToolsGoogleCloud PlatformsCert PrepArtificial Intelligence (AI)Cloud ComputingSoftware Development
سرفصل ها
0. مقدمه
- 01 - بررسی اجمالی
- 02 - دوره چهار اصطلاحات کلیدی
1. مدلهای ساختمان
- 03 - استفاده از TensorFlow Playground
- 04 - بیش از اندازه در مقابل تناسب اندک
- 05 - انتخاب معیارهای مناسب
2. مدلهای آموزشی
- 06 - مدلهای آموزشی با Docker مجهز به GPU TensorFlow
- 07 - تنظیم دقیق مواد اولیه در آغوش گرفتن صورت
- 08 - مزایای یادگیری انتقال
3. آموزش و سرویس مدل Scaling
- 09 - میکروسرویسها را عملیاتی کنید
- 10 - نظارت و ورود به سیستم با Rust در Google App Engine
- 11 - ادغام مستمر Rust با GitHub Actions
- 12 - دمو - تست واحد زنگ
- 13 - نسخه ی نمایشی - Rust با قابلیت Copilot GitHub
- 14 - ایستگاه کاری GCP را با پایتون راهاندازی کنید
- 15 - نسخه ی نمایشی - Google Cloud Shell
- 16 - نسخه ی نمایشی - Google Cloud Editor
- 17 - نسخه ی نمایشی - Google CLI SDK
- 18 - نسخه ی نمایشی - Google gcloud CLI
- 19 - نسخه نمایشی - Google App Engine Rust Deploy
- 20 - نسخه ی نمایشی - Google App Engine Golang
نتیجه
- 21 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی آمادگی برای گواهینامه مهندس داده حرفهای Google Cloud آپدیت (2025)
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Data Engineer: بخش اول طراحی سیستم های پردازش داده
- دوره آموزشی آمادگی برای گواهینامه مهندس یادگیری ماشین حرفهای گوگل کلود
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش اول کادربندی مشکلات ML
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش دوم راه حل معماری ML
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش سوم طراحی سیستم های آماده سازی و پردازش داده ها
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش پنجم اتوماسیون و هماهنگ سازی خطوط لوله ML
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش ششم نظارت، بهینه سازی و نگهداری راه حل های ML
مسیرهای مرتبط
- مسیر آموزشی آماده شدن برای گواهینامه Google Cloud Professional Machine Learning Engineer
- مسیر آموزشی آماده شدن برای گواهینامه مهندس داده حرفه ای Google Cloud
- مسیر آموزشی تبدیل شدن به یک مهندس یادگیری ماشین
- 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 ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی