پردازش داده های پیشرفته: دسته ای، زمان واقعی و معماری ابری برای هوش مصنوعی

 با ادغام بیشتر و بیشتر هوش مصنوعی در برنامه‌ها و گردش‌های کاری سازمانی، معماری سیستم‌های هوش مصنوعی قوی و مقیاس‌پذیر اهمیت بیشتری پیدا می‌کند، به خصوص اگر دانشمند داده یا مهندس هوش مصنوعی باشید. فراتر از تسلط بر تکنیک‌ها و فن‌آوری‌های یادگیری ماشین، یک مهندس که در هوش مصنوعی کار می‌کند باید بتواند از تخصص در معماری خطوط لوله هوش مصنوعی و ML استفاده کند که به نتایج تجاری در مقیاس برسد. در این دوره، مربی Kumaran Ponnambalam بر روی تصویر بزرگ گرد هم آوردن مدل ها، داده ها، برنامه ها و زیرساخت ها برای ایجاد معماری های قوی تمرکز می کند. در پایان این دوره، شما برای طراحی، مدیریت و رعایت بهترین شیوه ها برای الگوهای معماری مختلف - از جمله دسته ای، بلادرنگ، ابری و ترکیبی آماده خواهید شد.