[ENGLISH]

01 Course Overview [2mins]
01-01 Course Overview [2mins]

02 Introducing MLflow on Databricks [16mins]
02-01 Prerequisites and Course Outline [2mins]
02-02 The Databricks Machine Learning Runtime [6mins]
02-03 Introducing MLflow [8mins]

03 Implementing Deep Learning Models Using TensorFlow and Keras [62mins]
03-01 Quick Overview of TensorFlow and Keras [4mins]
03-02 Demo- Setting up the Databricks Environment [6mins]
03-03 Demo- Exploring and Preprocessing Data [5mins]
03-04 Demo- Training a Regression Model Using TensorFlow [3mins]
03-05 Demo- Autologging Model Parameters [8mins]
03-06 Demo- Comparing Multiple Model Runs [6mins]
03-07 Demo- Using Bamboolib for Loading and Exploring Data [5mins]
03-08 Demo- Data Cleaning Using Bamboolib - I [4mins]
03-09 Demo- Data Cleaning Using Bamboolib - II [4mins]
03-10 Demo- Preprocessing Data for Deep Learning [2mins]
03-11 Demo- Training Multiple Models Using Multiple Runs [5mins]
03-12 Demo- Registering Models and Specifying Stages [3mins]
03-13 Demo- Creating a Delta Table for Batch Inference [3mins]
03-14 Demo- Using Model for Batch Inference [4mins]

04 Implementing Deep Learning Models Using PyTorch [47mins]
04-01 A Quick Overview of PyTorch [4mins]
04-02 Demo- Preprocessing Data for Classification [4mins]
04-03 Demo- Training a PyTorch Model Using MLflow Tracking [8mins]
04-04 Demo- Use Classic Serving to Serve Model Predictions [7mins]
04-05 Demo- Loading Image Data for Classification [3mins]
04-06 Demo- Training a PyTorch Image Classification Model [5mins]
04-07 Horovod for Distributed Training [3mins]
04-08 Demo- Setting up Functions for Single Node Training [7mins]
04-09 Demo- Performing Distributed Training Using the Horovod Runner [6mins]

05 Hyperparameter Tuning Using Hyperopt [21mins]
05-01 Understanding Hyperparameters [2mins]
05-02 Hyperopt for Hyperparameter Tuning [5mins]
05-03 Demo- Hyperparameter Tuning Using Hyperopt [8mins]
05-04 Demo- Training the Model with the Best Parameters [5mins]
05-05 Summary and Further Study [1mins]

[فارسی]

01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]

02 معرفی MLflow در Databricks [16 دقیقه]
02-01 پیش نیازها و خلاصه دوره [2 دقیقه]
02-02 زمان اجرای یادگیری ماشین Databricks [6 دقیقه]
02-03 معرفی MLflow [8 دقیقه]

03 پیاده‌سازی مدل‌های یادگیری عمیق با استفاده از TensorFlow و Keras [62 دقیقه]
03-01 بررسی اجمالی سریع TensorFlow و Keras [4 دقیقه]
03-02 نسخه‌ی نمایشی- تنظیم محیط Databricks [6 دقیقه]
03-03 نسخه‌ی نمایشی- کاوش و پیش پردازش داده‌ها [5 دقیقه]
03-04 نسخه‌ی نمایشی- آموزش یک مدل رگرسیون با استفاده از TensorFlow [3 دقیقه]
03-05 نسخه آزمایشی- تنظیم خودکار پارامترهای مدل [8 دقیقه]
03-06 نسخه‌ی نمایشی- مقایسه اجراهای چند مدل [6 دقیقه]
03-07 نسخه‌ی نمایشی- استفاده از Bamboolib برای بارگیری و کاوش داده‌ها [5 دقیقه]
03-08 نسخه‌ی نمایشی- پاک کردن داده‌ها با استفاده از Bamboolib - I [4 دقیقه]
03-09 نسخه‌ی نمایشی- پاک کردن داده‌ها با استفاده از Bamboolib - II [4 دقیقه]
03-10 نسخه‌ی نمایشی- پیش پردازش داده‌ها برای یادگیری عمیق [2 دقیقه]
03-11 نسخه‌ی نمایشی- آموزش چندین مدل با استفاده از دویدن‌های متعدد [5 دقیقه]
03-12 نسخه‌ی نمایشی- ثبت مدل‌ها و مشخص کردن مراحل [3 دقیقه]
03-13 نسخه‌ی نمایشی- ایجاد یک جدول دلتا برای استنتاج دسته‌ای [3 دقیقه]
03-14 نسخه‌ی نمایشی- استفاده از مدل برای استنتاج دسته‌ای [4 دقیقه]

04 پیاده‌سازی مدل‌های یادگیری عمیق با استفاده از PyTorch [47 دقیقه]
04-01 مروری سریع بر PyTorch [4 دقیقه]
04-02 نسخه‌ی نمایشی- پیش پردازش داده‌ها برای طبقه‌بندی [4 دقیقه]
04-03 نسخه‌ی نمایشی- آموزش یک مدل PyTorch با استفاده از ردیابی MLflow [8 دقیقه]
04-04 نسخه‌ی نمایشی- از سرویس کلاسیک برای ارائه پیش بینی‌های مدل استفاده کنید [7 دقیقه]
04-05 نسخه‌ی نمایشی- بارگیری داده‌های تصویر برای طبقه‌بندی [3 دقیقه]
04-06 نسخه‌ی نمایشی- آموزش یک مدل طبقه‌بندی تصویر PyTorch [5 دقیقه]
04-07 هوروود برای آموزش توزیع شده [3 دقیقه]
04-08 نسخه‌ی نمایشی- تنظیم توابع برای آموزش تک گره [7 دقیقه]
04-09 نسخه‌ی نمایشی- اجرای تمرین توزیع شده با استفاده از Horovod Runner [6 دقیقه]

05 تنظیم فراپارامتر با استفاده از Hyperopt [21 دقیقه]
05-01 درک فراپارامترها [2 دقیقه]
05-02 Hyperopt برای تنظیم Hyperparameter [5 دقیقه]
05-03 نسخه‌ی نمایشی- تنظیم Hyperparameter با استفاده از Hyperopt [8 دقیقه]
05-04 نسخه‌ی نمایشی- آموزش مدل با بهترین پارامترها [5 دقیقه]
05-05 خلاصه و مطالعه بیشتر [1 دقیقه]