MLOps و استقرار مدلهای یادگیری ماشین


۱۰+
تمرین عملی
۷۰+
درسنامه آموزشی
۱۲۰ روز مهلت گذراندن دوره
MLOps و استقرار مدلهای یادگیری ماشین
بیش از ۸۵%
مدلهای یادگیری ماشین بدون فرایندهای MLOps هرگز به محیط Production نمیرسند.
۱۵۵,۰۰۰ دلار
میانگین سالانه حقوق مهندسان MLOps در آمریکا
۴۰٪
رشد بازار جهانی زیرساخت و ابزارهای MLOps تا سال ۲۰۳۰
۱۰ برابر
کاهش زمان استقرار مدلها در محیط عملیاتی با پایپلاینهای MLOps
معرفی
مخاطبین
پیشنیازها
سرفصلها
پروژهها
اساتید
0 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 1
در دنیای واقعی، ساختن یک مدل یادگیری ماشین با دقت بالا در نوتبوک فقط بخش کوچکی از مسیر است؛ چالش اصلی زمانی شروع میشود که بخواهید این مدل را در محیط عملیاتی مستقر کنید، نسخههای داده و مدل را مدیریت کنید و عملکرد آن را در طول زمان پایدار نگه دارید. در دورهٔ «آموزش عملی MLOps» یاد میگیرید چگونه شکاف میان علم داده و مهندسی نرمافزار را پر کنید و چرخهٔ حیات یک سیستم یادگیری ماشین را بهصورت استاندارد و خودکار بسازید. این دوره، گامبهگام از کدنویسی استاندارد و کانتینرسازی آغاز میکنید و با ابزارهای مناسب تمام مراحل نسخهبندی داده، ردیابی آزمایشها، سروینگ مدل، اتوماسیون CI/CD، پایش و بازیادگیری خودکار را بهصورت عملی پیادهسازی میکنید تا در نهایت بتوانید یک پایپلاین End-to-End و آمادهٔ Production بسازید.
این دوره مناسب شما است اگر...
• مدلهای یادگیری ماشین میسازید و میخواهید آنها را وارد محیط واقعی کنید.
• مشتاقید MLOps و ابزارهای پرکاربرد آن را یکبار برای همیشه بهصورت عملی و پروژهمحور یاد بگیرید.
• به دنبال ارتقای جایگاه شغلی و ورود به بازار پرتقاضا و پردرآمد مهندسی یادگیری ماشین هستید.
• میخواهید فاصلهٔ بین علم داده و مهندسی نرمافزار را در رزومهٔ خود پر کنید.
این دوره مناسب شما نیست اگر...
• هنوز با پایتون یا مفاهیم پایهٔ یادگیری ماشین آشنایی ندارید.
• میخواهید MLOps را صرفاً تئوری، سطحی و بدون کدنویسی یاد بگیرید.
• تمایلی به کار با ابزارهای عملیاتی، لینوکس و داکر ندارید.
• حاضر نیستید در هفته حداقل ۶ ساعت برای یادگیری و پیشرفت شغلیتان زمان بگذارید.
پیشنیازها
لازم است...
به زبان پایتون تسلط داشته باشید.
با مفاهیم پایهٔ یادگیری ماشین (آموزش و ارزیابی مدل) آشنا باشید.
با مفاهیم پایهٔ داکر، لینوکس و گیت آشنا باشید.
لازم نیست...
تجربهٔ قبلی کار با Kubernetes یا ابزارهای MLflow، DVC و Airflow داشته باشید.
به ریاضیات سنگین یا الگوریتمهای پیچیدهٔ یادگیری عمیق مسلط باشید.
در رشتهٔ کامپیوتر تحصیل کرده باشید.
درسنامه
تمرین
اهداف فصل
۷ دقیقه
درسنامه
MLOps چیست و چرا پروژههای یادگیری ماشین شکست میخورند؟
۱۲ دقیقه
درسنامه
سطوح بلوغ MLOps (از فرایند دستی تا تمامخودکار)
۱۳ دقیقه
درسنامه
مهندس MLOps کیست؟ (مرز مسئولیتها و نقشها)
۱۲ دقیقه
درسنامه
دورهٔ فشرده و کاربردی Git برای MLOps
۱۴ دقیقه
درسنامه
نقشهٔ معماری پروژه و ساخت اسکلت اولیهٔ ریپازیتوری
۱۵ دقیقه
درسنامه
محیط دوره و مبانی ترمینال
درسنامه
نجات انبار
۱۰۰ امتیاز
تمرین
بلیت برگشت داده
۱۰۰ امتیاز
تمرین
اهداف فصل
۶ دقیقه
درسنامه
چرا نوتبوک برای اجرای مدل در پروداکشن کافی نیست؟
۹ دقیقه
درسنامه
ناهمخوانی آموزش و سروینگ (Training-Serving Skew)
۱۱ دقیقه
درسنامه
مهندسی نرمافزار در چرخهٔ یادگیری ماشین
۱۲ دقیقه
درسنامه
ساختار یک پکیج ماژولار یادگیری ماشین
۱۳ دقیقه
درسنامه
جراحی نوتبوک
۳۰۰ امتیاز
تمرین
دوقلوهای ناهمسان
۱۰۰ امتیاز
تمرین
اهداف فصل
۵ دقیقه
درسنامه
آموزش مدل چیست؟ از کدنویسی سنتی تا استخراج الگو
۸ دقیقه
درسنامه
مدلها چه چیزی پیشبینی میکنند؟ انواع مسائل و متریکها
۹ دقیقه
درسنامه
آرتیفکتهای مدل، از وزنها تا پایپلاین کامل
۸ دقیقه
درسنامه
چالشهای ذخیرهسازی و سریالایز کردن مدل
۹ دقیقه
درسنامه
الگوهای اینفرنس، آنلاین در برابر دستهای
۸ دقیقه
درسنامه
توشهراه مدل
۲۰۰ امتیاز
تمرین
رفتار آماری، متریکها و خطاهای پنهان مدل
۹ دقیقه
درسنامه
چرخهٔ تست و اعتبارسنجی، باگهای کد در برابر باگهای مدل
۸ دقیقه
درسنامه
دو مسیر، یک جواب
۱۰۰ امتیاز
تمرین
اهداف فصل
۷ دقیقه
درسنامه
ساختار ماژولار پروژه
۱۲ دقیقه
درسنامه
مدیریت وابستگیها با Poetry
۱۳ دقیقه
درسنامه
کدنویسی تمیز با Ruff
۱۳ دقیقه
درسنامه
انضباط در بازارچه
۲۰۰ امتیاز
تمرین
مبانی تستنویسی با Pytest
۱۲ دقیقه
درسنامه
تستهای داده و مدل بر اساس قواعد مسئله
۱۴ دقیقه
درسنامه
تلهگذاری برای باگها
۳۰۰ امتیاز
تمرین
اهداف فصل
۶ دقیقه
درسنامه
مرور کاربردی لینوکس
۹ دقیقه
درسنامه
راهاندازی و بررسی سلامت داکر
۹ دقیقه
درسنامه
مفاهیم پایه و مرور معماری داکر
۹ دقیقه
درسنامه
نگارش داکرفایل استاندارد برای پایتون
۹ دقیقه
درسنامه
بهینهسازی Layer Caching در داکر
۹ دقیقه
درسنامه
مدیریت دادهها با والیومها
۱۰ دقیقه
درسنامه
اجرای آموزش مدل داخل کانتینر
۸ دقیقه
درسنامه
اجرای اینفرنس بچ در کانتینر
۸ دقیقه
درسنامه
رژیم لاغری ایمیج
۲۰۰ امتیاز
تمرین
مبانی Docker Compose
۹ دقیقه
درسنامه
کانفیگ محیط و شبکه در Docker Compose
۱۰ دقیقه
درسنامه
مدیریت GPU در Docker (مطالعهٔ بیشتر)
۸ دقیقه
درسنامه
اهداف فصل
۶ دقیقه
درسنامه
ذخیرهسازی ابری و مفهوم Object Storage
۷ دقیقه
درسنامه
راهاندازی سرور MinIO با Docker Compose
۹ دقیقه
درسنامه
آشنایی با DVC و استفاده از آن در کنار Git
۷ دقیقه
درسنامه
اتصال DVC به فضای ذخیرهسازی ریموت (MinIO)
۷ دقیقه
درسنامه
نسخهبندی دیتاستها با DVC
۱۰ دقیقه
درسنامه
بازگشت به ورژنهای قبلی و ثبت دیتا لینیج
۱۳ دقیقه
درسنامه
مدیریت فایلهای مدل با DVC
۱۱ دقیقه
درسنامه
ماشین زمان دادهها
۳۰۰ امتیاز
تمرین
صندوق امانات مدل
۱۰۰ امتیاز
تمرین
اهداف فصل
۶ دقیقه
درسنامه
چرا به اکسپریمنت ترکینگ نیاز داریم؟
۷ دقیقه
درسنامه
معماری سرور متمرکز MLflow
۸ دقیقه
درسنامه
راهاندازی سرور MLflow با Docker Compose
۱۰ دقیقه
درسنامه
ثبت هایپرپارامترها و متریکها در پایتون
۱۲ دقیقه
درسنامه
ذخیرهسازی آرتیفکتها و استفاده از Autolog
۹ دقیقه
درسنامه
بستهبندی استاندارد با MLflow Models
۱۱ دقیقه
درسنامه
مدیریت Model Registry
۱۱ دقیقه
درسنامه
اهداف فصل
۶ دقیقه
درسنامه
چرا Cron Job کافی نیست و به ارکستراسیون نیاز داریم؟
۱۱ دقیقه
درسنامه
معماری داخلی Apache Airflow
۱۱ دقیقه
درسنامه
راهاندازی کلاستر Airflow با Docker Compose
۱۵ دقیقه
درسنامه
ساختار اولین DAG با TaskFlow API
۱۲ دقیقه
درسنامه
زمانبندی، خطاها و تلاش دوباره در پایپلاین (Retries)
۱۷ دقیقه
درسنامه
آمادهسازی داده و سنجش قرارداد داده در Airflow
۱۶ دقیقه
درسنامه
آموزش مدل و کوالیتی گیت در پایپلاین Airflow
۱۸ دقیقه
درسنامه
مانیتورینگ اجراها، خواندن لاگها و دیباگ DAGها
۱۳ دقیقه
درسنامه
اهداف فصل
۶ دقیقه
درسنامه
مفاهیم سروینگ و الگوهای اینفرنس
۱۰ دقیقه
درسنامه
شروع کار با FastAPI و اعتبارسنجی دادهها
۱۲ دقیقه
درسنامه
لود کردن مدل از MLflow Registry
۱۱ دقیقه
درسنامه
پیادهسازی اندپوینتهای پیشبینی و سلامت
۱۱ دقیقه
درسنامه
وبسرورهای پروداکشن (Uvicorn و Workerها)
۱۶ دقیقه
درسنامه
کانتینرسازی و تست وبسرویس با TestClient
۱۴ دقیقه
درسنامه

آموزش عملی MLOps
۱۰+ تمرین عملی
۷۰+ درسنامه آموزشی
۶٬۴۹۹٬۰۰۰ تومان
امکان پرداخت قسطی
مدت زمان گذراندن دوره: ۱۲۰ روز
دسترسی به محتوای دوره همیشگی است.
بعد از پایان مهلت دوره، امکانات ویژه شامل مربیگری، داوری آنلاین و دریافت گواهی نیازمند تمدید و پرداخت هزینه است.