%40 تخفیف  برای خرید  مسیرهای یادگیری

logo mix

آموزش راهنمای کامل اصول پایتون برای MLOps (با زیرنویس فارسی AI)
Complete Guide to Python Fundamentals for MLOps
کد محصول: FL10464-5958304
لیندا _ آموزش راهنمای کامل اصول پایتون برای MLOps (با زیرنویس فارسی AI) - Lynda _ Complete Guide to Python Fundamentals for MLOps
سطح پیشرفته
زیرنویس انگلیسی
زیرنویس فارسی AI
117,000 تومان
اضافه به سبد خرید add_shopping_cart
تولید کننده محتوا
Lynda.com (Linkedin Learning)
تولید کننده زیرنویس فارسی
فارسی لینـدا FarsiLynda.com
مدرس
Alfredo Deza - آلفردو دزا
تاریخ انتشار
1403/7/6
2024-09-27
سطح آموزش
پیشرفته
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه شده توسط هوش مصنوعی (AI)
مدت زمان آموزش
5ساعت و 54دقیقه
تعداد ویدیو‌ها
92 ویدیو
حجم فایل‌ها
966 مگابایت (دانلود با تعرفه داخلی)
زمان تقریبی دانلود فایل‌ها
16 دقیقه (با سرعت اینترنت 1 مگابایت در ثانیه)
تعداد بازدید : 141
درباره تولید کننده

lynda1

 

Lynda Weinman

بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.

اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.

درک نیازی که هیچکس به آن پاسخ نداده بود

وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.

لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.

کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.

درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.

lynda2

شروعی کوچک و توسعه ای آهسته و پیوسته

بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.

اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".

اوج گیری پس از بحران

کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.

کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.

روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.

خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."

روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.

افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."

با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".

در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.

lynda4

ایجاد فرهنگ سازمانی مناسب در زمان رشد

اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.

وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."

در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".

ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.

 پیش به سوی موفقیت

مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.

در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.

لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.

ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.

واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".

lynda6

فروش به لینکدین Linked in

من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.

واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.

اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.

واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."

به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.

واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."

در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.

فارسی لیندا

این دوره جامع مهارت های ضروری پایتون برای موفقیت در نقش های MLOps را پوشش می دهد. با اصول برنامه نویسی پایتون شروع کنید: انواع داده ها، ساختارها، توابع و ماژول ها. از طریق تمرینات عملی، تکنیک های تست، دستکاری داده ها و تجزیه و تحلیل را بیاموزید. موضوعات دیگر شامل کار با مجموعه داده ها با استفاده از پانداها و NumPy، API ها و SDK ها، اتوماسیون با ابزارهای خط فرمان، و ساخت API های یادگیری ماشین است. چه در MLO ها تازه کار باشید و چه یک حرفه ای با تجربه، این دوره شما را با مهارت های اساسی پایتون برای برتری در نقش های عملیات یادگیری ماشین مجهز می کند.

سطح آموزشی
خرید آنلاین و دانلود فوری
به همراه فایلهای تمرین
ویدئوهای آموزشی با زیرنویس
ویدئوهای آموزشی با زیرنویس فارسی
کیفیت HD ویدئوهای آموزشی
قابل استفاده برای ناشنوایان
 
 
 

نمونه ویدیوی آموزشی ( زیرنویس‌ها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :

 

[فارسی]

01 مقدمه
01-01 مقدمه ای بر پایتون

02 کار با متغیرها و انواع
02-01 مقدمه درس: کار با متغیرها و انواع
02-02 متغیرها و تکالیف
02-03 کار با انواع داده های مختلف
02-04 شرایط و ارزیابی ها
02-05 گرفتن و رسیدگی به استثنائات
02-06 خلاصه درس: متغیرها و انواع

03 مقدمه ای بر ساختارهای داده
03-01 مقدمه درس: ساختارهای داده پایتون
03-02 مقدمه ای بر لیست ها
03-03 ایجاد و تکرار روی لیست ها
03-04 مقدمه ای بر فرهنگ لغت
03-05 ایجاد و تکرار بر روی فرهنگ لغت
03-06 سایر ساختارهای داده: تاپل ها و مجموعه ها
03-07 خلاصه درس: ساختارهای داده پایتون

04 افزودن و استخراج داده ها از ساختارهای داده
04-01 مقدمه درس: افزودن و استخراج داده ها
04-02 افزودن داده ها به لیست ها
04-03 استخراج داده ها از لیست ها
04-04 استخراج داده ها از فرهنگ لغت
04-05 خلاصه درس: افزودن و استخراج داده ها

05 توابع و کلاس های پایتون: کار با توابع
05-01 مقدمه درس: کار با توابع
05-02 ساختار و مقادیر تابع
05-03 آرگومان های تابع
05-04 آرگومان های متغیر و کلیدواژه
05-05 خلاصه درس: کار با توابع

06 توابع و کلاس های پایتون: ساخت کلاس ها و روش ها
06-01 مقدمه درس: ساخت کلاس ها و روش ها
06-02 معرفی کلاس ها
06-03 با استفاده از سازنده
06-04 روش های اضافه کردن
06-05 وراثت طبقاتی
06-06 خلاصه درس: ساخت کلاس ها و روش ها

07 توابع و کلاس های پایتون: ماژول ها و استفاده پیشرفته
07-01 معرفی درس: ماژول ها و کاربردهای پیشرفته
07-02 مقدمه ای بر ماژول های پایتون
07-03 کار با واردات
07-04 کار با اسکریپت های پایتون
07-05 محیط های مجازی و وابستگی ها
07-06 خلاصه درس: ماژول ها و کاربردهای پیشرفته

08 تست در پایتون: مقدمه ای بر تست
08-01 مقدمه درس: نگارش و اجرای تست
08-02 انگیزه های تست در پایتون
08-03 کنوانسیون های تست
08-04 تست با pytest
08-05 خلاصه درس: نوشتن و اجرای تست ها

09 تست در پایتون: نوشتن تست های مفید
09-01 مقدمه درس: نوشتن تست های مفید
09-02 استفاده از طرح ادعاها در پای تست
09-03 کلاس های آزمون نگارش
09-04 کلاس های تست در مقابل توابع تست
09-05 آزمون های پارامترسازی
09-06 خلاصه درس: نوشتن تست های مفید

10 تست در پایتون: خطاهای تست
10-01 مقدمه درس: شکست در تست
10-02 خروجی شکست تست
10-03 اشکال زدایی پایتون با PDB
10-04 سایر گزینه های pytest runner
فیکسچرهای 10-05 پایتست
10-06 خلاصه درس: شکست در آزمون

11 مقدمه ای بر پانداها و NumPy: استفاده اولیه از پانداها
11-01 مقدمه درس: استفاده اولیه از پانداها
11-02 آشنایی با پانداها
11-03 بارگیری داده ها در پانداها
11-04 نوشتن داده ها از پانداها DataFrames
11-05 تجزیه و تحلیل اکتشافی با پانداها
11-06 خلاصه درس: استفاده اولیه از پانداها

12 مقدمه ای بر پانداها و NumPy: کار با DataFrames
12-01 مقدمه درس: کار با DataFrames
12-02 عملیات مشترک DataFrame
12-03 دستکاری متن در DataFrames
12-04 اعمال توابع با پانداها
12-05 تجسم داده ها با پانداها
12-06 خلاصه درس: کار با DataFrames

13 مقدمه ای بر پانداها و NumPy: مبانی NumPy
13-01 مقدمه درس: مبانی NumPy
13-02 مقدمه ای بر آرایه های NumPy
13-03 عملیات آرایه مشترک NumPy
13-04 عملیات آرایه NumPy بیشتر
13-05 خلاصه درس: مبانی NumPy

14 پایتون کاربردی برای MLO ها: کار با API و SDK
14-01 معرفی درس: API و SDK
14-02 نصب رابط خط فرمان Azure (CLI)
14-03 Azure ML Studio با پایتون
14-04 ترانسفورماتورهای صورت بغل کردن
14-05 مجموعه داده های صورت در آغوش گرفته
14-06 مجموعه داده های باز Azure
14-07 خلاصه درس: APIها و SDKها

15 پایتون کاربردی برای MLOps: اتوماسیون با ابزارهای خط فرمان
15-01 مقدمه درس: اتوماسیون با ابزارهای خط فرمان
15-02 ایجاد یک اسکریپت یک فایل
15-03 استفاده از چارچوب argparse
15-04 اعلام وابستگی ها
15-05 با استفاده از چارچوب کلیک کنید
15-06 بسته بندی پروژه شما
15-07 حل یک مشکل یادگیری ماشین با ابزار CLI
15-08 خلاصه درس: اتوماسیون با ابزارهای خط فرمان

16 پایتون کاربردی برای MLOps: ساخت APIهای یادگیری ماشین
16-01 مقدمه درس: ساخت APIهای یادگیری ماشین
16-02 مقدمه ای بر چارچوب Flask
16-03 ساخت API با Flask
16-04 مقدمه ای بر چارچوب FastAPI
16-05 ساخت API با FastAPI
16-06 بهترین شیوه های پایتون API
16-07 خلاصه درس: ساخت APIهای یادگیری ماشین

[ENGLISH]

01 Introduction
01-01 Introduction to Python

02 Working with Variables and Types
02-01 Lesson introduction: Working with variables and types
02-02 Variables and assignments
02-03 Working with different data types
02-04 Conditionals and evaluations
02-05 Catching and handling exceptions
02-06 Lesson recap: Variables and types

03 Introduction to Data Structures
03-01 Lesson introduction: Python data structures
03-02 Introduction to lists
03-03 Creating and iterating over lists
03-04 Introduction to dictionaries
03-05 Creating and iterating over dictionaries
03-06 Other data structures: Tuples and sets
03-07 Lesson recap: Python data structures

04 Adding and Extracting Data from Data Structures
04-01 Lesson introduction: Adding and extracting data
04-02 Adding data to lists
04-03 Extracting data from lists
04-04 Extracting data from dictionaries
04-05 Lesson recap: Adding and extracting data

05 Python Functions and Classes: Working with Functions
05-01 Lesson introduction: Working with functions
05-02 Function structure and values
05-03 Function arguments
05-04 Variable and keyword arguments
05-05 Lesson recap: Working with functions

06 Python Functions and Classes: Building Classes and Methods
06-01 Lesson introduction: Building classes and methods
06-02 Introduction to classes
06-03 Using a constructor
06-04 Adding methods
06-05 Class inheritance
06-06 Lesson recap: Building classes and methods

07 Python Functions and Classes: Modules and Advanced Usage
07-01 Lesson introduction: Modules and advanced usages
07-02 Introduction to Python modules
07-03 Working with imports
07-04 Working with Python scripts
07-05 Virtual environments and dependencies
07-06 Lesson recap: Modules and advanced usages

08 Testing in Python: Introduction to Testing
08-01 Lesson introduction: Writing and executing tests
08-02 Motivations for testing in Python
08-03 Testing conventions
08-04 Testing with pytest
08-05 Lesson recap: Writing and executing tests

09 Testing in Python: Writing Useful Tests
09-01 Lesson introduction: Writing useful tests
09-02 Using plan asserts in pytest
09-03 Writing test classes
09-04 Test classes vs. test functions
09-05 Parameterizing tests
09-06 Lesson recap: Writing useful tests

10 Testing in Python: Testing Failures
10-01 Lesson introduction: Testing failures
10-02 Test failure output
10-03 Python debugging with PDB
10-04 Other pytest runner options
10-05 pytest fixtures
10-06 Lesson recap: Testing failures

11 Introduction to pandas and NumPy: Basic pandas Usage
11-01 Lesson introduction: Basic pandas usage
11-02 Introduction to pandas
11-03 Loading data into pandas
11-04 Writing data from pandas DataFrames
11-05 Exploratory analysis with pandas
11-06 Lesson recap: Basic pandas usage

12 Introduction to pandas and NumPy: Working with DataFrames
12-01 Lesson introduction: Working with DataFrames
12-02 Common DataFrame operations
12-03 Manipulating text in DataFrames
12-04 Applying functions with pandas
12-05 Visualizing data with pandas
12-06 Lesson recap: Working with DataFrames

13 Introduction to pandas and NumPy: NumPy Basics
13-01 Lesson introduction: NumPy basics
13-02 Introduction to NumPy arrays
13-03 Common NumPy array operations
13-04 More NumPy array operations
13-05 Lesson recap: NumPy basics

14 Applied Python for MLOps: Working with APIs and SDKs
14-01 Lesson introduction: APIs and SDKs
14-02 Installing the Azure command-line interface (CLI)
14-03 Azure ML Studio with Python
14-04 Hugging Face transformers
14-05 Hugging Face datasets
14-06 Azure open datasets
14-07 Lesson recap: APIs and SDKs

15 Applied Python for MLOps: Automation with Command-Line Tools
15-01 Lesson introduction: Automation with command-line tools
15-02 Creating a single file script
15-03 Using the argparse framework
15-04 Declaring dependencies
15-05 Using the Click framework
15-06 Packaging your project
15-07 Solving a machine learning problem with a CLI tool
15-08 Lesson recap: Automation with command-line tools

16 Applied Python for MLOps: Building Machine Learning APIs
16-01 Lesson introduction: Building machine learning APIs
16-02 Introduction to the Flask framework
16-03 Building an API with Flask
16-04 Introduction to the FastAPI framework
16-05 Building an API with FastAPI
16-06 Python API best practices
16-07 Lesson recap: Building machine learning APIs

 

مدرس: Alfredo Deza - آلفردو دزا

تعداد دوره های آموزشی: 2

آلفردو دزا نویسنده، المپیکی و استاد کمکی در دانشگاه دوک است.

آلفردو نزدیک به دو دهه تجربه DevOps و مهندسی نرم افزار دارد و چندین کتاب درباره DevOps و Python از جمله «Python for DevOps» و » MLOهای عملی «. زمینه های تخصص او عبارتند از Azure و رایانش ابری، DevOps، MLOps، Python، Databricks، و اتوماسیون با CI/CD.

آلفردو در حال حاضر به عنوان یک مدافع اصلی ابر در مایکروسافت کار می کند و در Marietta، جورجیا زندگی می کند.

جدیدترین آموزشهای مرتبط

تمامی زیرنویس‌های فارسی و مطالب ترجمه شده در سایت، بطور انحصاری متعلق به فارسی لینـدا بوده و هر گونه کپی‌ برداری و یا استفاده از آنها به هر شکلی در سایتها یا برنامه‌های دیگر پیگرد قانونی دارد
logo-samandehi
فارسی کلاس