مهندس MLOps جونیور

مدیریت چرخه‌ی عمر، استقرار و پایش مدل‌های یادگیری ماشین

• حوزه: هوش مصنوعی و یادگیری ماشین

این کار چیست

مهندسان MLOps جونیور بخش عملیاتی یادگیری ماشین را مدیریت می‌کنند: نسخه‌بندی مدل، خطوط استقرار، پایش و آموزش دوباره. اصول دواپس را با نیازهای ویژه‌ی یادگیری ماشین درمی‌آمیزند.

مسیرهای رسیدن به این نقش

هوش مصنوعی و یادگیری ماشین

مهندس جونیور هوش مصنوعی شوید (ریاضی → ML → یادگیری عمیق → استقرار).

28 هفته، متوسط

1. پایتون و ریاضیات برای یادگیری ماشین‏4 فصل، 10 ساعت در هفته، 1 ایستگاه سنجش
2. مبانی یادگیری ماشین‏4 فصل، 12 ساعت در هفته، 1 ایستگاه سنجش
3. مهندسی و استقرار یادگیری ماشین‏3 فصل، 8 ساعت در هفته، 1 ایستگاه سنجش

شروع این مسیر

مهارت‌هایی که این مسیرها می‌سازند

از فصل‌های هر مسیر یادگیری، به همان ترتیبی که آموزش داده می‌شوند.

• پایتون و ریاضیات برای یادگیری ماشین:‏ NumPy‏ · pandas‏ · Jupyter‏ · SciPy‏ · بردارها‏ · ماتریس‌ها‏ · مقادیر ویژه‏ · تجزیه‌ی مقادیر منفرد (SVD)‏ · تحلیل مؤلفه‌های اصلی (PCA)‏ · مشتق‏ · گرادیان‌ها‏ · گرادیان کاهشی‏ · پس‌انتشار خطا‏ · احتمال‏ · استدلال بیزی‏ · توزیع‌های احتمال‏ · برآورد درست‌نمایی بیشینه‏
• مبانی یادگیری ماشین:‏ رگرسیون خطی‏ · منظم‌سازی‏ · مهندسی ویژگی‏ · اعتبارسنجی متقابل‏ · رگرسیون لجستیک‏ · درخت‌های تصمیم‏ · جنگل تصادفی‏ · XGBoost‏ · تنظیم ابرپارامترها‏ · خوشه‌بندی k-means‏ · خوشه‌بندی سلسله‌مراتبی‏ · DBSCAN‏ · تحلیل مؤلفه‌های اصلی (PCA)‏ · کاهش ابعاد‏ · شبکه‌های عصبی‏ · پس‌انتشار خطا‏ · PyTorch‏ · TensorFlow‏ · Keras‏
• مهندسی و استقرار یادگیری ماشین:‏ ردیابی آزمایش‌ها‏ · MLflow‏ · Weights & Biases‏ · DVC‏ · ساختار پروژه‏ · FastAPI‏ · سرویس‌دهی مدل‏ · Docker‏ · استنتاج دسته‌ای و برخط‏ · پایش مدل‏ · تشخیص رانش داده‏ · خطوط آموزش دوباره‏

آنچه وعده نمی‌دهیم

آرتیمند شما را برای این کار آماده می‌کند، اما برایتان کار پیدا نمی‌کند. رقمی هم از حقوق یا تقاضای بازار منتشر نمی‌کند، چون رقمی با منبع معتبر در دست ندارد.