DevOps برای دانشمندان داده

مدرس Dan Sullivan

انتشار 2018/05/10

مدت زمان 32m 16s

سطح متوسط

فایل تمرینی ندارد

آموزش DevOps for Data Scientists

دانشمندان داده مدل های داده ای را ایجاد می کنند که باید در محیط های تولیدی اجرا شوند. بسیاری از شیوه‌های DevOps مربوط به برنامه‌های علم داده تولید محور هستند، اما این شیوه‌ها اغلب در آموزش علم داده نادیده گرفته می‌شوند. علاوه بر این، علم داده و یادگیری ماشین الزامات مشخصی دارند، مانند نیاز به تجدید نظر در مدل‌ها در حین استفاده. این دوره برای دانشمندان داده طراحی شده است که نیاز به پشتیبانی از مدل های خود در تولید دارند، و همچنین برای متخصصان DevOps که وظیفه پشتیبانی از علم داده و برنامه های کاربردی یادگیری ماشین را دارند. درباره شیوه های کلیدی توسعه علم داده، از جمله آزمایش و اعتبارسنجی مدل های علم داده، بیاموزید. این دوره همچنین نحوه استفاده از زبان نشانه گذاری مدل پیش بینی کننده (PMML)، مدل های نظارت در تولید، کار با ظروف Docker و موارد دیگر را پوشش می دهد.

Data Science DevOps

Introduction

Welcome ()

Target audience ()

1. Data Science Development Practices

Data science and software engineering ()

Collecting and munging data ()

Experimenting with data, features, and algorithms ()

Testing and validating models ()

2. Data Science Models to Production

Version control for data science models ()

Predictive Model Markup Language ()

Deploying models with automation tools ()

3. Deployment Practices

Deploying to staging environment ()

Canary deployments ()

Securing the data science models in production ()

Monitoring models in production ()

4. Data Science Models in Containers

Introduction to Docker ()

Creating a Dockerfile for data science models ()

Data science Docker image repository ()

Conclusion

Overview of DevOps best practices for data science ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.