Udemy Master Designing Integrating Deploying Enterprise Ai Apps
برای طراحی ، تلفیق و استقرار برنامه های هوش مصنوعی در فن آوری مدرن (asyncio ، flatbuffers ، NATS و Docker) متخصص شوید. مخاطب هدف : مهندسین یادگیری ماشین و دانشمندان داده. چه چیزی در مورد این دوره منحصر به فرد است و چه چیزی یاد خواهید گرفت؟ چرا و نحوه طراحی ، یکپارچه سازی و استقرار برنامه های سطح داده Enterprise / Science / AI / ML. چگونه الزامات را به اجزای معماری مقیاس پذیر تبدیل کنیم؟ چگونه می توان با استفاده از معماری سبک ریز سرویس ها ، یک مشکل پیچیده بزرگ را به قسمت های ساده و قابل مدیریت تقسیم کرد؟ یک راه حل یادگیری ماشین در سطح شرکت در سطح واقعی End-to-End. چرا باید همه اینها را یاد بگیرید؟ یک مدل آماری یا یادگیری عمیق کاربردی نیست بلکه یک مولفه مهم برای حل مشکلات دنیای واقعی است. یک راه حل پیچیده برای یک مسئله پیچیده معمولاً شامل چندین برنامه کاربردی است که با استفاده از زبانهای مختلف نوشته می شوند و روی خوشه ای از ماشین ها اجرا می شوند. نقش شما به عنوان یک دانشمند داده و مهندس یادگیری ماشین فقط به یک ساختمان مدل یا تنظیم عملکرد آن محدود نمی شود بلکه انتظار می رود که حداقل برنامه های خود را طراحی کنید تا بتوانبد به راحتی با سایر برنامه های یک راه حل بزرگ مانند همچنین با استفاده از متدولوژی های مدرن DevOps به راحتی قابل استفاده هستند. تسلط بر چگونگی ایجاد یکپارچه سازی برنامه های هوش مصنوعی با سایر برنامه ها در حالی که اطمینان از مقیاس پذیری و قابلیت ارتقا را دارید ، یک مزیت رقابتی نسبت به دیگران به شما ارائه می شود. برای هر راه حل ابتدا هدف کلی ، چالش های مرتبط با آن و چگونگی تجزیه یک مشکل پیچیده بزرگ را به اجزای قابل مدیریت توصیف می کنم. این فرایند ساده سازی مشکلات به اجزا شما را در شناسایی و انتخاب بهترین فناوری برای استفاده راهنمایی می کند. سپس من چرا ، چه و چگونه فن آوری های انتخاب شده (AsyncIO ، NATS ، Flatbuffers ، Docker) را با مثال کد توضیح می دهم. این مثالهای کد ساده شروع می شوند و من سپس با تکرار ویژگی هایی را برای رسیدن به سطح برنامه های دنیای واقعی اضافه می کنم. من در تهیه مطالبی که دارای انیمیشن های عالی هستند برای کمک به شما در ایجاد شهود در پشت راه حل ها ، بسیار مراقبت کرده ام.- آنچه خواهید آموخت :
- یک راه حل کامل که شامل 3 برنامه توزیع شده با استفاده از asyncio ، flatbuffers ، NATS و Docker می شود
- الزامات یک پروژه بزرگ و پیچیده یادگیری ماشین را به یک راه حل مقیاس پذیر تبدیل کنید
- چگونه می توان با استفاده از معماری سبک ریز سرویس ها ، مسئله پیچیده را به قطعات ساده و قابل مدیریت تقسیم کرد؟
- مبانی ، بینش ها و کاربرد عملی Asynchronous IO در پایتون
- چگونه می توان با استفاده از Flatbuffers قالب ها و پروتکل های با کارایی بالا ، منابع کم و آینده را طراحی کرد
- توسعه برنامه توزیع شده با استفاده از Message Bus (NATS)
- بسته بندی ، استقرار و به روزرسانی برنامه ها با استفاده از Docker & Docker Compose
- مثالهای کد عملی برای پشتیبانی از مفاهیم آموزش داده شده در این دوره و راه حل نهایی کاملاً توسعه یافته
- نیازمندی ها :
- دانش خوب زبان پایتون
- این دوره آموزشی برای چه کسانی است :
- مهندسین یادگیری ماشین
- دانشمندان داده
- مهندسین نرم افزار
لینک دانلود
لینک های دانلود
رمز فایل فشرده : www.download.ir
رمز کپی شد!
فیلم آموزشی Udemy Master Designing Integrating Deploying Enterprise Ai Apps
