عن الدورة
تختص هذه الدورة المتوسطة بممارسي MLOps وعلماء البيانات الذين يرغبون في بناء أنظمة ذكاء اصطناعي لا تقتصر على الإطلاق فقط بل تستمر في العمل بفعالية مع الزمن. في الواقع، تتدهور نماذج الذكاء الاصطناعي بسبب تغير الظروف وتغير البيانات (انجراف النماذج). تُعلم الدورة كيفية التصدي لذلك عبر إنشاء أنظمة تلقائية ذات تغذية راجعة تعتمد على الخبرة التشغيلية. ستتعلم تصميم وتنفيذ خطوط أنابيب تضم الإنسان في الحلقة لمراجعة التنبؤات منخفضة الثقة، وتنظيم المعاودة التلقائية للتدريب مع بيانات جديدة ذات جودة عالية. كما تتناول تقنيات تقييم النماذج المتقدمة، مثل منحنيات الدقة والاسترجاع، وأساليب إعادة العينة لضمان تعميم النموذج واختيار العتبات المثلى التي توازن بين الأهداف المختلفة مثل تقليل الإنذارات الخاطئة. تساعدك الدورة في بناء أنظمة MLOps قوية تستخدم خبرات البشر كمصدر مستمر لتحسين النماذج.
ماذا ستتعلم
- تصميم حلقات تغذية راجعة تلقائية لتحليل أداء النموذج
- تنفيذ خطوط أنابيب تضم الإنسان للمعاينة وإعادة التدريب الآلي
- تطبيق تقنيات تقييم متقدمة مثل منحنيات الدقة والاسترجاع
- تحسين عتبات القرار لتحقيق توازن بين الاستدعاء وتقليل الإنذارات الخاطئة
المتطلبات المسبقة
- مألوفية أساسية بمصطلحات تعلم الآلة وعلوم البيانات
- الاستعداد للتدريب العملي أو العمل على حالات تطبيقية
المدرسون
LearningMate