مبادئ MLOps مع MLflow و Hugging Face

مع انتقال التعلم الآلي من البحث إلى الإنتاج، أصبحت القدرة على تتبع النماذج وإدارتها ونشرها بكفاءة مهارة بالغة الأهمية. وتوفر هذه الدورة مساراً واضحاً للمبتدئين لفهم الجانب التشغيلي للتعلم الآلي باستخدام اثنتين من الأدوات الأكثر تأثيراً في هذا المجال. سوف تنتقل من تشغيل النصوص المنعزلة إلى إدارة دورات حياة التعلم الآلي المهنية بثقة. من خلال الدروس القائمة على النص المنظّم، ستتعلم كيفية الحفاظ على قابلية التكرار، وإصدار نماذجك، والتعاون بفعالية باستخدام أنماط MLOps الحديثة. * فهم المبادئ الأساسية لعمليات رصد الغلاف الجوي وأهمية تتبع التجارب * تشكيل MLflow لتسجيل البارامترات والمقاييس والمنتجات لتحقيق نتائج قابلة للتكرار :: إدارة دورة حياة النموذج باستخدام سجل نموذجي مركزي لمراقبة النسخ :: استكشاف مركز " Hugging Face " لاكتشاف واستخدام وتبادل النماذج ومجموعات البيانات المدربة مسبقاً :: تطبيق أفضل الممارسات لتنظيم مشاريع التعلم الآلي لضمان قابلية التوسع :: إدماج تتبع النماذج في تدفقات العمل الحالية للغة بايثون من أجل تحسين قابلية المراقبة تبدأ الدورة بالمصطلحات الأساسية والمفاهيم الأساسية وراء عمليات MLO قبل الانتقال إلى التنفيذ العملي للتتبع وإدارة المستودعات. وستتقدم من تسجيل التجارب الأساسية إلى إصدار النموذج وتفاعلات المستودع من خلال شروحات مكتوبة مفصلة وأمثلة على الشفرة. هذه الدورة مصممة للمبتدئين في علوم البيانات والتعلم الآلي الذين يريدون تعلم الجانب التشغيلي للميدان؛ ولا تلزم خبرة سابقة بأدوات MLOps. ابدأ في بناء تدفق عمل للتعلم الآلي أكثر احترافية وقابلية للتكرار اليوم.