my mlops-devops-lab
mlops-devops-lab/ ├── week01-gpu/ │ ├── README.md │ └── docker-cuda-test/ ├── week02-k8s-gpu/ ├── week03-mlflow-dvc/ ├── week04-airflow/ ├── week05-kubeflow/ ├── week06-monitoring/ ├── week07-cicd/ ├── week08-serving/ ├── week09-optimization/ ├── week10-final-project/ └── docs/
برنامه ۱۰ هفتهای یادگیری MLOps + GPU/HPC برای DevOps/SysAdmin هدف: ایجاد درک عمیق از MLOps و GPU فارم با بهرهگیری از مهارتهای فعلی شما در DevOps و Linux.
📆 تقویم کلی هفتگی هفته موضوع اصلی تمرکز پروژه/خروجی 1 آشنایی با MLOps و مفاهیم پایه ML چرا MLOps؟ روند ML lifecycle یک صفحه README مفهومی 2 ML Workflow با ابزارهای ساده scikit-learn + MLflow اولین pipeline ساده 3 Dockerizing ML workflows Container + ML app Dockerfile, Makefile 4 Kubernetes برای ML Kubeflow مقدماتی اجرا روی k3s یا minikube 5 GPU Scheduling in K8s GPU operators, nvidia-plugin اجرای یک job روی GPU 6 Data Versioning DVC, Git LFS یک دیتاست با track کامل 7 CI/CD در MLOps GitHub Actions, pytest, ML test اجرای خودکار تست pipeline 8 Monitoring & Logging Prometheus, Grafana, TensorBoard داشبورد ساده برای مدل 9 Model Serving FastAPI + Docker + Triton REST API مدل 10 پروژه نهایی یک پروژه ML کامل با MLOps انتشار در GitHub و مستندات