ML Model Deployment & MLOps with FastAPI, Streamlit, MLflow

أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :

مرحبًا بك في دورة ML Model Deployment وMLOps مع FastAPI وStreamlit وMLflow. هذه دورة تدريبية شاملة تعتمد على المشاريع حيث ستتعلم كيفية بناء نماذج التعلم الآلي ونشر النموذج ومراقبة أداء النموذج وكذلك إعادة تدريب النموذج باستخدام البيانات الجديدة. تعد هذه الدورة مزيجًا مثاليًا بين تعلم لغة بايثون والتعلم الآلي، مما يجعلها فرصة مثالية لممارسة مهاراتك في البرمجة مع تحسين معرفتك التقنية في علم البيانات. في الجلسة التمهيدية، ستتعلم الأساسيات الأساسية لنشر نموذج التعلم الآلي وعمليات التعلم الآلي، مثل التعرف على الأدوات الشائعة التي يتم استخدامها بشكل متكرر لنشر نموذج تعلم الآلة وسير عمل MLOps. بعد ذلك، في القسم التالي، سنقوم بتنزيل مجموعات بيانات أسعار الزلازل والطيران من Kaggle، وهي منصة توفر العديد من مجموعات البيانات عالية الجودة من مختلف الصناعات. بعد ذلك، سنقوم ببناء نموذجين للتعلم الآلي. أولاً، سنقوم ببناء نموذج للكشف عن الزلازل باستخدام Random Forest Classifier. سيكون هذا النموذج قادرًا على التنبؤ بمستوى التنبيه للزلازل استنادًا إلى ميزات مثل الحجم وكثافة المجتمع ومستوى الأهمية. بعد ذلك، سنقوم أيضًا ببناء نموذج للتنبؤ بسعر تذكرة الطيران باستخدام Decision Tree Regressor. سيكون هذا النموذج قادرًا على التنبؤ بسعر التذكرة بناءً على ميزات مثل شركة الطيران ومدن الوجهة وعدد محطات التوقف ووقت المغادرة ووقت الوصول ومدة الرحلة. وبعد ذلك، في القسم التالي، سنقوم بنشر نموذج التعلم الآلي باستخدام أطر عمل مختلفة. سنقوم بإنشاء واجهة ويب تفاعلية كاملة باستخدام Gradio وStreamlit وFlask وDash. بعد ذلك، سنقوم بنشر نموذج التعلم الآلي على مساحة Hugging Face حيث يمكنك استضافة النموذج الخاص بك ومشاركته. بالإضافة إلى ذلك، سنقوم أيضًا بنشر نموذج التعلم الآلي باستخدام FastAPI، والذي سيمكن المستخدمين من إرسال طلبات التنبؤ من خلال نقطة نهاية API. بعد ذلك، في القسم التالي، سنقوم بتتبع أداء النموذج من خلال عرض مقاييس مثل الدقة والدقة والاستدعاء ودرجة F1 باستخدام MLflow. بالإضافة إلى ذلك، سنقوم أيضًا بتجميع نموذجنا المُدرب في تنسيق قابل للتكرار، وهذا سيجعل من السهل نشره عبر بيئات مختلفة. وبعد ذلك، سنقوم بإجراء زيادة في البيانات، وعلى وجه التحديد، سنقوم بإنشاء بيانات تركيبية باستخدام Scikit Learn وسيتم استخدام هذه البيانات الجديدة لإعادة تدريب نموذج التعلم الآلي. بالإضافة إلى ذلك، سنقوم بمراقبة جودة البيانات عن طريق التحقق من القيم المفقودة والتكرارات والقيم المتطرفة في البيانات الاصطناعية. أخيرًا، في نهاية الدورة، سنقوم بإعادة تدريب نموذج التعلم الآلي باستخدام Apache Airflow. أولاً، قبل الدخول في الدورة، نحتاج إلى طرح هذا السؤال على أنفسنا، لماذا يجب أن نتعلم نشر نموذج التعلم الآلي وتشغيله؟ حسنًا، هذه هي إجابتي، بغض النظر عن مدى جودة نموذج التعلم الآلي الخاص بك، فلا فائدة إذا لم يتمكن أحد من الوصول إليه أو تجربته. هذا هو السبب وراء أهمية فهم كيفية نشر النموذج الخاص بك، حتى تتمكن من مشاركة النموذج الخاص بك وتمكين المستخدمين أو المطورين الآخرين من التفاعل مع النموذج الخاص بك في الوقت الفعلي. بمجرد نشر النموذج، لن تكتمل مهمتك، حيث يتم إعادة تدريب النموذج ببيانات جديدة، وقد يكون هناك احتمال لانجراف البيانات، وانخفاض الدقة، وانخفاض الأداء، وهذا هو سبب أهمية المراقبة والصيانة. وفيما يلي بعض الأشياء التي يمكنك توقع تعلمها من هذه الدورة التدريبية:

• تعرف على الأساسيات الأساسية لنشر نموذج التعلم الآلي وعمليات MLOps
• تعرف على كيفية إنشاء نموذج للكشف عن الزلازل باستخدام Random Forest Classifier
• تعرف على كيفية تحديد سعر تذكرة الطيران نموذج التنبؤ باستخدام Decision Tree Regressor
• تعرف على كيفية نشر نموذج التعلم الآلي باستخدام Gradio
• تعرف على كيفية نشر نموذج التعلم الآلي باستخدام Streamlit
• تعرف على كيفية نشر نموذج التعلم الآلي على Hugging Face Space
• تعرف على كيفية نشر نموذج التعلم الآلي باستخدام Flask
• تعرف على كيفية نشر نموذج التعلم الآلي باستخدام FastAPI
• تعرف على كيفية نشر نموذج التعلم الآلي باستخدام Dash
• تعرف على كيفية تتبع ومراقبة أداء النموذج باستخدام MLflow
• تعرف على كيفية حزم نموذج التعلم الآلي باستخدام MLflow
• تعرف على كيفية إجراء زيادة البيانات
• تعرف على كيفية إعادة تدريب نموذج التعلم الآلي باستخدام بيانات جديدة
• تعرف على كيفية التحقق من جودة البيانات ومراقبتها
• تعرف على كيفية إعادة تدريب نموذج التعلم الآلي باستخدام Apache Airflow

ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:

(احصل على الدورة للدخول إلى الموقع والتسجيل)

يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)