
چگونه وارد MLSecOps شویم؟ نقشه راه گامبهگام
اگر تا اینجا با مفهوم MLSecOps و تفاوتش با MLOps آشنا شدهاید، احتمالن این سوال برایتان پیش آمده: از کجا باید شروع کنم؟ در این

اگر تا اینجا با مفهوم MLSecOps و تفاوتش با MLOps آشنا شدهاید، احتمالن این سوال برایتان پیش آمده: از کجا باید شروع کنم؟ در این

اگر در حوزهی یادگیری ماشین فعالیت میکنید، احتمالن نام MLOps را بارها شنیدهاید. اما این روزها اصطلاح دیگری هم در حال گسترش است: MLSecOps. خیلیها

طی چند سال اخیر، سازمانها با سرعت بسیار زیادی مدلهای یادگیری ماشین را وارد محصولات و فرایندهای خود کردهاند؛ از سیستمهای تشخیص تقلب بانکی گرفته

از صفحات اکسل تا امن نمودن سرویسهای هوش مصنوعی سازمان خیلی خوبه که ماها بدونیم در این سالها چه اتفاقاتی افتاده؛ چه رشتهها و شاخههایی

مدل، یک دارایی استراتژیک است فکر میکنید که بعد از آموزش مدل، دیگر همه چیز تمام شده است؟ اما اشتباه میکنیم. خطرناکترین مرحله دقیقن بعد

شروع: روزهایی که فقط دقت مدل مهم بود سال ۱۳۹7 بود. من تازه وارد دنیای دیتا ساینس شده بودم. روزها با ژوپیترنوتبوک و پایتون میگذشت.

چرا کتاب؟ هر شخصی سیستم یادگیری منحصر به خودش را دارد. اما برای بنده کتاب جایگاه ویژهای داشته و دارد. در طول این چند سالی

ما تابحال ما با انواع و اقسام اینگونه مواجه شدیم ولی فرصت تجمیع آنها را در چند خط پیدا نکردهایم. در ادامه لیستی از انواع تبدیلات روی داده که مرور اونها خیلی بما کمک میکند با بخش مهمی از تغییراتی که روی دیتا اعمال میکنیم، در چند خط آشنا بشویم و آنها را راحتتر به ذهن بسپاریم.

اینروزها که داکر بسیار فراگیر شده، بعید است قصد دیپلوی یا مستقر نمودن یک نرم افزار یا دیتا پایپلاین را روی سرورها داشته باشیم، اما

در نظر گرفتن یک سناریو فرض کنیم، در حال کار روی یک پروژهی پایتونی ساده هستیم. همچنین، ورژن پایتون برای کاری که داریم انجام میدهیم