Build your ultimate AI agent
Opis kursu
MLOps to zestaw praktyk opracowanych, aby pomóc Ci wdrażać i utrzymywać modele uczenia maszynowego w środowisku produkcyjnym. Obecnie w przemyśle i badaniach MLOps znajduje się w centrum uwagi jako sposób na zapewnienie, że systemy ML przynoszą wartość.
Odkryj pełną automatyzację w MLOps
W tym kursie nauczysz się, jak wykorzystywać automatyzację w MLOps do wdrażania systemów ML, które mogą dostarczać wartość w dłuższym czasie. Dowiesz się, jak ukryty dług techniczny wpływa na systemy ML i wartość, jaką generują. Zrozumiesz też, jak automatyzacja i usprawnianie etapów cyklu życia ML mogą pomóc w działaniu i skalowaniu systemów ML.Poznaj architekturę MLOps
Będziesz korzystać z praktycznych i interaktywnych ćwiczeń, aby poznać komponenty architektury MLOps oraz dowiedzieć się, jak są one niezbędne do umożliwienia pełnej automatyzacji systemów ML.Poznaj techniki MLOps CI/CD/CM/CT
W miarę postępów nauczysz się, jak zautomatyzowane CI/CD, wraz z Continuous Monitoring (CM) i Continuous Training (CT), są kluczowymi technikami pozwalającymi uniknąć długu technicznego we wdrożeniach ML.Zrozum automatyzację w strategiach wdrażania
Pod koniec kursu zrozumiesz, jak automatyzacja z MLOps może usprawnić wdrażanie systemów ML w rzeczywistym świecie, zapewniając wdrożeniom niezawodność i skalowalność.Zacznij naukę, zdobądź wiedzę w tej bardzo poszukiwanej dziedzinie i odkryj, jak stosować automatyzację podczas projektowania systemów MLOps.
Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do w pełni zautomatyzowanego MLOps
W pierwszym rozdziale poznasz zastosowanie MLOps w środowisku przemysłowym. Dowiesz się, dlaczego MLOps jest ważny dla tworzenia wartości biznesowej. Przypomnisz sobie etapy cyklu ML, ze szczególnym uwzględnieniem tego, jak MLOps je usprawnia. Na końcu rozdziału zapoznasz się z architekturą referencyjną w pełni zautomatyzowanego systemu MLOps. Następnie wykorzystasz tę architekturę do zbadania komponentów istotnych dla każdego systemu MLOps – stanowi ona również punkt wyjścia dla dalszej części kursu.
- Wprowadzenie do w pełni zautomatyzowanego MLOps50 XP
- Ukryty dług techniczny trzeba spłacić50 XP
- Ukryty dług techniczny w uczeniu maszynowym jest inny100 XP
- Etapy cyklu życia MLOps50 XP
- W pełni zautomatyzowany MLOps50 XP
- Automatyzować czy nie automatyzować...50 XP
- Budowanie z myślą o skali100 XP
- Architektura referencyjna: w pełni zautomatyzowany MLOps50 XP
- Architektury referencyjne w IT i MLOps50 XP
- Komponenty architektury MLOps100 XP
2
Architektura w pełni zautomatyzowanego MLOps
W tym rozdziale będziesz kontynuować poznawanie kluczowych komponentów w pełni zautomatyzowanego systemu MLOps. Najpierw przyjrzysz się roli orkiestracji w MLOps i temu, jak wpływa ona na wydajność oraz skalowalność potoków ML. Następnie zbadasz różne strategie wdrażania w MLOps i nauczysz się dobierać odpowiednią strategię do swojego systemu. Na koniec poznasz CI/CD/CT/CM i dowiesz się, jak uzupełniają one orkiestrację oraz jakie dobre praktyki pozwalają osiągnąć pełną automatyzację w systemach MLOps. Dzięki tej wiedzy będziesz lepiej przygotowany do budowania w pełni zautomatyzowanych systemów MLOps, które są wydajne, dokładne i niezawodne.
3
Wzorce automatyzacji
W tym rozdziale zagłębisz się w świat automatyzacji i nauczysz się projektować bardziej odporne i wydajne systemy ML. Zaczniesz od poznania podstaw automatyzacji w systemach MLOps, a następnie odkryjesz możliwości wzorców projektowych i mechanizmów zabezpieczających. Dowiesz się także, jak wdrożyć automatyczne testowanie w systemach MLOps oraz jak wykorzystać strojenie hiperparametrów do optymalizacji modeli i przepływów pracy. Po ukończeniu tego rozdziału będziesz dysponować wiedzą i umiejętnościami potrzebnymi do budowania i zarządzania w pełni zautomatyzowanymi systemami MLOps, które są zarówno wydajne, jak i niezawodne.
4
Automatyzacja we wdrożeniach MLOps
W tym ostatnim rozdziale zgłębisz kluczowe komponenty zautomatyzowanej architektury MLOps. Od automatycznego śledzenia eksperymentów i rejestru modeli, przez eksplorację magazynu cech, aż po rolę magazynu metadanych – rozdział ten zapewni ci kompleksowe zrozumienie zawiłości w pełni zautomatyzowanego systemu MLOps. Niezależnie od tego, czy masz już doświadczenie w uczeniu maszynowym, czy dopiero zaczynasz, zdobędziesz tu wiedzę i umiejętności potrzebne do projektowania zautomatyzowanych przepływów pracy MLOps.
R
W pełni zautomatyzowany MLOps
Kurs
ukończony
