# مهندسی و استقرار یادگیری ماشین

- **بخشی از:** [هوش مصنوعی و یادگیری ماشین](/fa/tracks/ai-machine-learning)‏ — مسیر یادگیری 3 از 3
- **اندازه:** 3 فصل، 14 درس، 8 ساعت در هفته
- **سطح:** متوسط

::route
1. [پایتون و ریاضیات برای یادگیری ماشین](/fa/paths/python-mathematics-for-ml)‏ — 4 فصل، 10 ساعت در هفته، 1 ایستگاه سنجش
2. [مبانی یادگیری ماشین](/fa/paths/machine-learning-fundamentals)‏ — 4 فصل، 12 ساعت در هفته، 1 ایستگاه سنجش
3. **مهندسی و استقرار یادگیری ماشین**‏ — 3 فصل، 8 ساعت در هفته، 1 ایستگاه سنجش
::

::cta https://app.artimend.com/tracks/ai-machine-learning شروع این مسیر

## سرفصل‌ها

### 1. ساختار پروژه و ردیابیِ آزمایش‌ها

- 5 درس
- **مهارت‌ها:**‏ ردیابی آزمایش‌ها‏ · MLflow‏ · Weights & Biases‏ · DVC‏ · ساختار پروژه‏

### 2. سرویس‌دهیِ مدل و APIها

- 5 درس
- **مهارت‌ها:**‏ FastAPI‏ · سرویس‌دهی مدل‏ · Docker‏ · استنتاج دسته‌ای و برخط‏

### 3. پایش، دریفت و بازآموزی

- 4 درس
- **مهارت‌ها:**‏ پایش مدل‏ · تشخیص رانش داده‏ · خطوط آموزش دوباره‏
- **ایستگاه سنجش:** دروازه‌ی پایانیِ MLOps