مطالب پیشنهادی از سراسر وب

مدیریت راهکارهای هوش مصنوعی Microsoft Azure

دسته بندی ها: آموزش آژور (Azure) ، آموزش های پلورال سایت (Pluralsight) ، آموزش یادگیری ماشینی (Machine Learning) ، آموزش هوش مصنوعی (AI) ، آموزش دواپس (DevOps) ، آموزش شبکه (Computer network)

شرکت ها و دولت ها در سراسر جهان میلیاردها دلار برای هوش مصنوعی اختصاص می دهند. پروژه ها از جذابیت و پیچیدگی بیشتری برخوردار می شوند و بنابراین طبیعی است که نتیجه بگیریم این پروژه ها به مدیریت نیاز دارند.
در این دوره، مدیریت Microsoft Azure AI Solutions، ادعا می کنم که یک پروژه هوش مصنوعی مانند هر پروژه نرم افزاری دیگری است و نیاز به مدیریت آن با استفاده از نرم افزارهای خوب اهمیت بیشتری دارد، نه کمتر. با استفاده از نسخه دمو، خواهید آموخت که چگونه می توان از مفاهیمی مانند Azure CLI  ML SDK و ML Ops برای خودکارسازی، پروسه های end to end  خود استفاده کرد. همچنین شما می توانید چگونگی راه اندازی کانال ارتباطی DevOps آژور را انتخاب کنید تا از امتحان به یک سرویس برسد. اما بخش لذتبخش آن هنوز تمام نشده. سپس می آموزید که چگونه می توان مدل خود را به عنوان یک خوشه AKS به کار گرفت و نظارت و جمع آوری داده را در تولید فعال کرد، بنابراین می توانید از این داده به روش های مختلف برای تجزیه و تحلیل آن استفاده کنید یا برای بهبود بعدی به مدل خود بازخورانی کنید.
با پایان این دوره، شما درک عمیقی از نحوه مدیریت پروژه های هوش مصنوعی خود مانند یک پروژه نرم افزاری مناسب خواهید داشت. مفاهیمی مانند ML Ops و کانال های ارتباطی برای شما یک امر معمول خواهد بود و شما در جمع آوری و نظارت بر راه حل های تولید هوش مصنوعی خود حرفه ای خواهید بود.

بررسی دوره

مدیریت مدل ها در خدمات یادگیری ماشینی آژور

جمع بندی

آیا این نوشته را دوست داشتید؟
Pluralsight Managing Microsoft Azure AI Solutions Author:Sahil Malik Duration:1:37:09 Level:Intermediate

Companies and Governments across the globe are pouring billions of dollars into AI. The projects are getting ever more interesting and complex, and it is therefore natural to conclude that these projects need management.
In this course, Managing Microsoft Azure AI Solutions, I assert that an AI project is like any other software project, and the need to manage it with good software practices is more, not less, important. With demos, you'll learn how you can use concepts such as Azure CLI, ML SDK, and ML Ops to fully automate your end to end process. You'll also explore how you can set up an Azure DevOps pipeline to go from experiment to a service. But the fun doesn't end there; you'll then discover how to deploy your model as an AKS cluster and enable data monitoring and collection in production, so you can use that data in numerous ways to analyze it or feed it back into your model for subsequent improvement.
By the end of this course, you'll have an in-depth understanding of how to manage your AI projects like a proper software project. Concepts such as ML Ops and Pipelines will be second nature to you, and you'll be a pro at collecting and monitoring your production AI solutions.

پیشنهاد آموزش مرتبط در فرادرس