معماری و عملیات هوش مصنوعی

دوره‌ی MLOps در Azure

MLOps with Azure

آموزش مدیریت چرخه‌ی عمر مدل‌های یادگیری ماشین در Azure؛ از ثبت آزمایش و نسخه‌بندی داده و مدل تا استقرار، پایش عملکرد و تشخیص رانش. این دوره به زبان فارسی و به‌صورت حضوری یا آنلاین برای تیم‌های سازمانی برگزار می‌شود.

سطح
متوسط تا پیشرفته
مدت دوره
۴ روز (۳۲ ساعت)
درس در ۶ بخش
۳۱
شیوه‌ی برگزاری
حضوری یا آنلاین

آنچه شرکت‌کنندگان می‌آموزند

  • طراحی جریان تکرارپذیر آموزش و ارزیابی مدل در Azure Machine Learning
  • ثبت آزمایش‌ها و مدیریت نسخه‌ی داده، کد و مدل
  • استقرار مدل به‌صورت سرویس و مدیریت نسخه‌های محیط عملیاتی
  • اتصال آزمون و استقرار مدل به جریان CI/CD
  • پایش کیفیت، تأخیر و رانش داده و تعریف اقدام اصلاحی

کار عملی: ساخت یک جریان MLOps برای آموزش، استقرار و پایش مدل پیش‌بینی در Azure

سرفصل دوره

این دوره شامل ۶ بخش و ۳۱ درس در ۴ روز آموزشی (۳۲ ساعت) است. سرفصل، مدت و تمرین‌ها بر اساس سطح و نیاز تیم تنظیم می‌شوند.

  1. ۱

    مبانی MLOps و محیط Azure

    ۵ درس
    • چرخه‌ی عمر مدل در محیط عملیاتی
    • تفاوت نمونه‌ی اولیه و سامانه‌ی تولیدی
    • معماری مفهومی Azure Machine Learning
    • ساخت Workspace و اتصال منابع
    • پروژه‌ی راهنمادار: آماده‌سازی محیط کار
  2. ۲

    آزمایش و آماده‌سازی داده

    ۵ درس
    • ساخت محیط تکرارپذیر اجرا
    • ثبت آزمایش و معیارها
    • نسخه‌بندی داده و کد
    • تعریف و بازاستفاده از دارایی داده
    • پروژه‌ی راهنمادار: ثبت آزمایش‌های مدل
  3. ۳

    جریان آموزش و ثبت مدل

    ۵ درس
    • تعریف گام‌های آماده‌سازی و آموزش
    • ساخت Pipeline آموزش
    • اجرای موازی و پارامتردهی
    • مقایسه‌ی آزمایش‌ها
    • ثبت مدل و مدیریت نسخه
  4. ۴

    استقرار مدل

    ۵ درس
    • انتخاب الگوی استقرار آنلاین یا دسته‌ای
    • ساخت محیط سرویس‌دهی
    • استقرار نسخه‌ی مدل
    • آزمون Endpoint و مدیریت خطا
    • انتقال امن تنظیمات و اسرار
  5. ۵

    CI/CD برای یادگیری ماشین

    ۵ درس
    • کنترل نسخه‌ی کد و تعریف شاخه‌ها
    • آزمون داده و کد در خط CI
    • اجرای خودکار جریان آموزش
    • تأیید و انتشار مدل
    • بازگشت به نسخه‌ی قبلی
  6. ۶

    پایش و حاکمیت مدل

    ۶ درس
    • پایش خطا، تأخیر و مصرف منابع
    • تشخیص تغییر توزیع و رانش داده
    • پایش معیارهای کیفیت مدل
    • هشدار و بازآموزی بر مبنای آستانه
    • مستندسازی و ردگیری نسخه‌ها
    • پروژه‌ی پایانی: استقرار و پایش یک مدل کامل

شیوه‌های برگزاری

حضوری در محل سازمان

برگزاری در محل سازمان، همراه با تمرین روی ابزارها و نمونه‌های مرتبط با کار تیم. زمان و مکان با هماهنگی تعیین می‌شود.

آنلاین و زنده

کلاس تعاملی آنلاین همراه با پرسش و پاسخ، تمرین گروهی و بازخورد مستقیم؛ مناسب تیم‌های دورکار یا پراکنده در چند شهر.

کارگاه کوتاه یا دوره‌ی جامع

از کارگاه یک‌روزه برای یک موضوع مشخص تا برنامه‌ی چندماهه برای آماده‌سازی تیم در یک مسیر تخصصی.

دوره‌های مرتبط

همه‌ی دوره‌ها

برگزاری دوره‌ی MLOps در Azure برای تیم سازمان

تعداد و سطح شرکت‌کنندگان و زمان‌بندی مدنظر را ارسال کنید تا برنامه‌ی دوره بر همان اساس تنظیم شود.