[فارسی]

01 مقدمه
01-01 زمان تولید را با MLO ها کاهش دهید

02 MLOps اجزاء و اصول
02-01 اجزای MLOps
02-02 اصول MLOps
مولفه های 02-03 MLOps در Databricks

03 MLflow
03-01 مقدمه ای بر MLflow
03-02 محیط را تنظیم و مجموعه داده را آماده کنید
03-03 ردیابی آزمایش MLflow
03-04 ورود مدل به MLflow
03-05 مدل های سفارشی در MLflow
03-06 مدل ها را در کاتالوگ یونیتی ثبت کنید

04 مهندسی ویژگی روی Databricks
04-01 مقدمه ای بر مهندسی ویژگی
04-02 جدول ویژگی و عملکرد ویژگی
04-03 مدل‌هایی را که از ویژگی‌های درخواستی استفاده می‌کنند، آموزش، ثبت و ثبت کنید

05 سرویس ویژگی و مدل
05-01 چه زمانی باید از سرویس ویژه در مقابل سرویس مدل استفاده کرد
05-02 یک FeatureSpec برای سرویس ویژگی ایجاد کنید
05-03 نقاط پایانی سرویس دهی را مستقر کنید
05-04 درخواست ها را به نقاط پایانی خدمت ارسال کنید

06 برنامه را با استفاده از Databricks Asset Bundles اجرا کنید
06-01 شروع به کار با DAB ها
06-02 اجزای گردش کار Databricks را تعریف کنید
06-03 Databricks Asset Bundle را تعریف و اجرا کنید

07 نقاط پایانی خود را با استفاده از جداول استنتاج و مانیتورینگ Lakehouse نظارت کنید
07-01 مقدمه ای بر مانیتورینگ لیک هاوس
07-02 جدول استنتاج را تنظیم، تجزیه و تحلیل و پردازش کنید
07-03 مانیتورینگ Databricks Lakehouse را تنظیم کنید

08 نتیجه گیری
08-01 تسلط بر MLO ها: سفر شما آغاز می شود

[ENGLISH]

01 Introduction
01-01 Reduce time to production with MLOps

02 MLOps Components and Principles
02-01 MLOps components
02-02 MLOps principles
02-03 MLOps components on Databricks

03 MLflow
03-01 Introduction to MLflow
03-02 Set up the environment and prepare the dataset
03-03 MLflow experiment tracking
03-04 Model logging in MLflow
03-05 Custom models in MLflow
03-06 Register models in Unity Catalog

04 Feature Engineering on Databricks
04-01 Introduction to feature engineering
04-02 Feature table and feature function
04-03 Train, log, and register models that use on-demand features

05 Feature and Model Serving
05-01 When to use Feature Serving vs. Model Serving
05-02 Create a FeatureSpec for Feature Serving
05-03 Deploy serving endpoints
05-04 Send requests to the serving endpoints

06 Deploy Application Using Databricks Asset Bundles
06-01 Getting started with DABs
06-02 Define Databricks workflow components
06-03 Define and deploy the Databricks Asset Bundle

07 Monitor Your Endpoints Using Inference Tables and Lakehouse Monitoring
07-01 Introduction to Lakehouse Monitoring
07-02 Set up, analyze, and process the inference table
07-03 Set up Databricks Lakehouse Monitoring

08 Conclusion
08-01 Mastering MLOps: Your journey begins