Course catalog
Categories
برنامه نویسی جفت AI با GitHub Copilot (Mitalearn-410802)
آینده برنامه نویسی همه چیز در مورد همکاری است - انسان ها برای دستیابی به نتایج هیجان انگیز و غیرقابل تصور با ماشین آلات کار می کنند. برنامه نویسی جفت AI ، که کد تولید شده توسط انسان و ماشین را ادغام می کند ، نمونه بارز ابزاری است که کارهای خسته کننده و مهیج را کاهش می دهد تا به توسعه دهندگان توجه خود را بر نگرانی های سطح بالاتر متمرکز کند. در این دوره ، مربی رونی گیل به شما نشان می دهد که چگونه می توانید از Github Copilot ، یکی از مفیدترین و تأثیرگذارترین ابزارهای جدید برای ساده سازی توسعه نرم افزار با هوش مصنوعی استفاده کنید.
یک مقدمه جامع در مورد نحوه استفاده از Copilot برای ادغام برنامه نویسی خود با جدیدترین فناوری هوش مصنوعی دریافت کنید. رونی بیش از ویژگی های اصلی برنامه ، با تمرکز خاص بر روی پایتون و جاوا اسکریپت و استفاده از ابزارهای کوپیلوت پشتی و جلویی. در پایان این دوره ، شما آماده ایجاد مدل های داده ، پیاده سازی API های REST و نوشتن تست ها ، کد سمت مشتری و الگوهای ، HTML ، CSS و موارد دیگر خواهید بود.
برنامه نویسی جفت AI با GitHub Copilot x (Mitalearn-410819)
آینده برنامه نویسی همه چیز در مورد همکاری است - انسان ها برای دستیابی به نتایج هیجان انگیز و غیرقابل تصور با ماشین آلات کار می کنند. برنامه نویسی جفت AI ، که کد تولید شده توسط انسان و ماشین را ادغام می کند ، نمونه بارز ابزاری است که کارهای خسته کننده و مهیج را کاهش می دهد تا به توسعه دهندگان توجه خود را بر نگرانی های سطح بالاتر متمرکز کند. در این دوره ، مربی رونی گیل به شما نشان می دهد که چگونه می توانید از Github Copilot X بیشترین بهره را ببرید ، یکی از ابزارهای جدید و مفید برای ساده سازی توسعه نرم افزار با هوش مصنوعی بر اساس جدیدترین نسخه از ChatGPT-4. رونی بیش از ویژگی های اصلی برنامه ، با تمرکز خاص بر روی Pythonista و JavaScript و استفاده از ابزارهای کوپیلوت پشتی و جلویی. در پایان این دوره ، شما آماده ایجاد مدل های داده ، پیاده سازی API های REST و نوشتن تست ها ، کد سمت مشتری و الگوهای ، HTML ، CSS و موارد دیگر خواهید بود.
مسئول GitHub Copilot: ایجاد کد قابل اعتماد اخلاقی (Mitalearn-434381)
Github Copilot سرعت و سهولت را ارائه می دهد ، اما گرفتن درست ، چه از نظر کد و چه از طرف انسانی ، چالش برانگیز است. شما می توانید از GitHub Copilot برای ایجاد کد فوراً استفاده کنید ، و همچنین آن را بازرسی و آزمایش کنید ، اما چگونه می توانید مطمئن باشید که برای هدف مناسب کد مناسب را دریافت کرده اید؟ در این دوره ، Rob Bos حرفه ای و مشاور DevOps به شما نشان می دهد که چگونه. بیاموزید که چگونه از معرفی تعصب در برنامه های خود خودداری کنید و کد تولید شده خود را تمیز و حفظ کنید. روشهای نظارت بر کد خود را با آزمایشات ، به ویژه یک برنامه آزمایش امنیتی کشف کنید. با استفاده از این دوره ، می توانید در حالی که از Copilot استفاده می کنید ، خلبان باشید ، در همه زمان ها کنترل کنید.
یادگیری Vertex AI: MLOps با Google Cloud (Mitalearn-394074)
پروژه ها
- از مجموعه داده های دنیای واقعی برای ساخت پروژه در Vertex AI استفاده کنید.
- با استفاده از Vertex AI یک مدل یادگیری ماشینی (ML) را آموزش دهید، ثبت کنید و به کار بگیرید.
- تاریخچه و نسخه داده را ردیابی کنید، از خاموش شدن منابع اطمینان حاصل کنید و مدل ML را برای عملکرد و کیفیت نظارت کنید.
با نحوه آموزش و مدیریت مدل های یادگیری ماشینی با استفاده از Vertex AI، راه حل ابری MLOps که توسط Google طراحی شده است، آشنا شوید. به مربیان Archana Vaidheeswaran و Soham Chatterjee بپیوندید زیرا آنها مهارت های فنی لازم را برای ساختن، آموزش، ثبت نام، استقرار و مدیریت مدل ML قابل تنظیم خود به شما نشان می دهند.
با نحوه استفاده از Vertex AI برای:
آشنا شوید
- مدلهای ML دقیق، قابل اعتماد و مقیاسپذیر بسازید، از بارگیری دادهها تا مهندسی ویژگی، تنظیم فراپارامتر، و استقرار و نظارت مدل.
- ذخیره، سازماندهی و همکاری در مورد ویژگی های داده قابل اندازه گیری یک مدل ML در فروشگاه ویژگی Vertex AI.
- مدل های یک پروژه را با AutoML آموزش و ارزیابی کنید.
- مدل های ML را مدیریت و نسخه کنید، آنها را در تولید مستقر کنید و دسترسی به آنها را با Vertex AI Model Registry کنترل کنید.
- یک مدل یادگیری عمیق آموزش دیده را با استفاده از Vertex AI Predictions اجرا کنید.
- معیارهای مدل های آموزش دیده را با TensorBoard تجسم و تجزیه و تحلیل کنید.
- مدلها را برای عملکرد و کیفیت، مدیریت هزینه و منابع، و تغییر مدل و انتساب ویژگی نظارت کنید.