Dopo aver seguito questi corsi, mi sento sicuro nel creare visualizzazioni e dashboard professionali
Shoebur RahmanSpecialista degli acquisti, Giz Bangladesh
Descrizione del corso
Scopri le operazioni di Machine Learning (MLOps)
Comprendere i concetti di MLOps è essenziale per qualsiasi data scientist, ingegnere o leader che voglia portare i modelli di machine learning da un notebook locale a un modello funzionante in produzione.In questo corso imparerai cos'è MLOps, comprenderai le diverse fasi dei processi MLOps e identificherai i vari livelli di maturità MLOps. Dopo aver acquisito i concetti essenziali di MLOps, sarai pronto a implementare il machine learning in modo continuo, affidabile ed efficiente.
Scopri come scalare e automatizzare il Machine Learning
Come possiamo scalare i progetti di machine learning riducendo al minimo tempo e risorse? E come possiamo automatizzare i processi per diminuire l’intervento manuale e migliorare le prestazioni dei modelli? Si tratta di domande fondamentali sul Machine Learning a cui MLOps fornisce una risposta.In questo corso MLOps inizierai esplorando le basi, analizzando le caratteristiche principali e i ruoli coinvolti. Successivamente, approfondirai le varie fasi del ciclo di vita del machine learning.
Man mano che avanzerai, imparerai anche a conoscere i sistemi e gli strumenti per scalare e automatizzare le operazioni di machine learning, tra cui feature store, tracciamento degli esperimenti, pipeline CI/CD, microservizi e containerizzazione. Esplorerai i concetti chiave di MLOps, consolidando la comprensione delle loro applicazioni.
Prerequisiti
Programma
Struttura del corso
1
Introduzione a MLOps
Per prima cosa, scoprirai le caratteristiche fondamentali di MLOps. Esplorerai il ciclo di vita del machine learning, le sue fasi e i ruoli associati ai processi MLOps.
2
Progettazione e sviluppo
Poi passerai alla fase di progettazione e sviluppo nel ciclo di vita del machine learning. Esplorerai la stima del valore aggiunto, la qualità dei dati, i feature store e il tracciamento degli esperimenti.
3
Distribuire il Machine Learning in produzione
In questo capitolo, approfondirai i concetti rilevanti per distribuire il machine learning in produzione, come ambienti di runtime, containerizzazione, pipeline CI/CD e strategie di distribuzione.
4
Mantenere il Machine Learning in produzione
Infine, vedrai come mantenere il machine learning in produzione, con concetti come monitoraggio statistico e computazionale, retraining, diversi livelli di maturità MLOps e strumenti utilizzabili nel ciclo di vita del machine learning per semplificare i processi.
R
Concetti di MLOps
Corso
completato
