After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Wdrażanie i cykl życia MLOps
Poznaj nowoczesne ramy MLOps, w tym cykl życia i wdrażanie modeli uczenia maszynowego. W tym kursie nauczysz się pisać kod ML, który minimalizuje dług techniczny, poznasz narzędzia potrzebne do wdrażania i monitorowania modeli oraz przeanalizujesz różne typy środowisk i analiz, z którymi się spotkasz.Poznaj cykl życia MLOps
Po zebraniu, przygotowaniu i oznaczeniu danych, przeprowadzeniu licznych eksperymentów na różnych modelach oraz potwierdzeniu koncepcji za pomocą modelu zwycięskiego, czas na kolejne kroki. Buduj. Wdrażanie. Monitor. Maintain. To jest cykl życia Twojego modelu, gdy jest przeznaczony do wdrożenia produkcyjnego. To jest część Ops w MLOps.Ten kurs pokaże Ci, jak przejść przez drugi rozdział podróży Twojego modelu do dostarczania wartości, wyznaczając punkt odniesienia dla wielu kolejnych. Zaczniesz od poznania cyklu życia MLOps, odkrywając znaczenie MLOps oraz kluczowe funkcjonalne komponenty potrzebne do tworzenia, wdrażania, monitorowania i utrzymania modeli.Twórz kod ML do wdrożenia
Następnie nauczysz się, jak tworzyć modele do wdrożenia oraz jak pisać efektywny kod ML, wykorzystywać narzędzia i trenować pipeline’y ML. W miarę postępów nauczysz się wdrażać swoje modele, poznając różne środowiska wdrożeniowe i dowiadując się, kiedy z nich korzystać. Nauczysz się także strategii zastępowania istniejących modeli produkcyjnych oraz poznasz interfejsy API.Dowiedz się, jak monitorować swoje modele
W miarę ukończania kursu odkryjesz kluczowe wskaźniki wydajności stojące za monitorowaniem i utrzymywaniem Twoich modeli ML. Dowiesz się o monitorowaniu driftu w środowisku produkcyjnym, a także o feedbacku modelu, aktualizacjach i zarządzaniu.Po ukończeniu kursu zrozumiesz, jak wykorzystać cykl życia MLOps do wdrażania własnych modeli w środowisku produkcyjnym.Wymagania wstępne
Program kursu
Plan kursu
1
MLOps w pigułce
Ten rozdział zawiera ogólny przegląd zasad MLOps oraz komponentów frameworka istotnych dla wdrażania modeli i zarządzania ich cyklem życia.
2
Programowanie z myślą o wdrożeniu
Ten rozdział poświęcony jest wszystkim kwestiom, które warto uwzględnić już na etapie programowania, aby zapewnić płynne przejście do operacji.
Naszym głównym celem jest wyjaśnienie, jak trenować model zgodnie z najlepszymi praktykami MLOps oraz jak zbudować pakiet modelu umożliwiający sprawne wdrożenie, odtwarzalność i monitorowanie po wdrożeniu.
3
Wdrożenie i uruchomienie
Ten rozdział odpowiada na kluczowe pytania dotyczące operacji na modelach, takie jak:
- Jakie są różne sposoby serwowania modeli?
- Czym jest API i jakie są jego główne funkcjonalności?
- Jak dokładnie przetestować serwis przed udostępnieniem go użytkownikom końcowym?
- Jak aktualizować modele w środowisku produkcyjnym bez przerywania działania serwisu?
Poznasz predykcję wsadową, predykcję w czasie rzeczywistym, walidację danych wejściowych i wyjściowych, testy jednostkowe, testy integracyjne, wdrożenie kanaryjne i wiele więcej.
4
Monitorowanie i utrzymanie
Ten ostatni rozdział poświęcony jest monitorowaniu i utrzymaniu serwisów ML po ich wdrożeniu, a także zarządzaniu modelami.
Omówisz kluczowe pojęcia, takie jak opóźnienie weryfikacji, przesunięcie kowariancji, dryfowanie konceptu, systemy z człowiekiem w pętli i wiele innych.
R
Wdrażanie i cykl życia modeli MLOps
Kurs
ukończony
