Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Implantação e ciclo de vida do MLOps
Explore a estrutura moderna do MLOps, incluindo o ciclo de vida e a implantação de modelos de machine learning. Neste curso, você vai aprender a escrever código de ML que minimiza a dívida técnica, descobrir as ferramentas necessárias para implantar e monitorar seus modelos e examinar os diferentes tipos de ambientes e análises que você encontrará.Saiba mais sobre o ciclo de vida do MLOps
Depois de coletar, preparar e rotular seus dados, fazer vários experimentos em diferentes modelos e provar seu conceito com um modelo campeão, é hora de seguir em frente. Desenvolver Implemente. Monitor. Manter. Esse é o ciclo de vida do seu modelo quando ele vai para a produção. Essa é a parte de operações do MLOps.Este curso vai te mostrar como navegar pelo segundo capítulo da jornada do seu modelo para a entrega de valor, estabelecendo a referência para muitos outros que virão. Você vai começar explorando o ciclo de vida do MLOps, descobrindo a importância do MLOps e os principais componentes funcionais para o desenvolvimento, implantação, monitoramento e manutenção de modelos.Desenvolver código ML para implantação
Depois, você vai aprender a desenvolver modelos para implantação e a escrever códigos de ML eficientes, usar ferramentas e treinar pipelines de ML. Conforme você for avançando, você vai aprender como implementar seus modelos, explorando diferentes ambientes de implementação e quando usá-los. Você também vai criar estratégias para trocar os modelos de produção atuais e dar uma olhada nas APIs.Aprenda a monitorar seus modelos
Ao concluir o curso, você vai descobrir as métricas de desempenho essenciais por trás do monitoramento e da manutenção dos seus modelos de ML. Você vai aprender sobre monitoramento de desvios na produção, além de feedback, atualizações e governança de modelos.Quando terminar, você vai entender como usar o ciclo de vida do MLOps para implantar seus próprios modelos em produção.Pré-requisitos
Programa de estudos
Conteúdo do curso
1
MLOps em poucas palavras
Este capítulo oferece uma visão geral dos princípios de MLOps e dos componentes do framework importantes para implantação e ciclo de vida.
- O framework moderno de MLOps50 XP
- Fluxos de trabalho de ML100 XP
- Benefícios do MLOps50 XP
- Etapas do ciclo de vida50 XP
- Aplicativo vs. modelo100 XP
- Descomissionamento50 XP
- O ciclo de vida do modelo: revisão100 XP
- Componentes de MLOps50 XP
- Sequência automatizada50 XP
- Stores e registries100 XP
- DevOps ou MLOps?100 XP
2
Desenvolver para implantar
Este capítulo é dedicado a todas as considerações que precisamos fazer já na fase de desenvolvimento para garantir uma transição tranquila quando chegarmos às operações.
Nosso objetivo é explicar como treinar o modelo seguindo as melhores práticas de MLOps e construir um pacote de modelo que permita implantação fluida, reprodutibilidade e monitoramento pós-implantação.
3
Implantar e executar
Este capítulo trata de questões críticas de operações de modelos, como:
- Quais são as diferentes formas de servir nossos modelos?
- O que é uma API e quais são suas funcionalidades essenciais?
- Como testamos nosso serviço a fundo antes de disponibilizá-lo aos usuários finais?
- Como atualizamos modelos em produção sem interromper o serviço?
Você vai aprender sobre predição em lote, predição em tempo real, validação de dados de entrada e saída, testes de unidade, testes de integração, implantação canário e muito mais.
4
Monitorar e manter
Este capítulo final é dedicado ao monitoramento e à manutenção de serviços de ML após a implantação, além da governança de modelos.
Você vai abordar conceitos cruciais, como latência de verificação, covariate shift, concept drift, sistemas com humano no ciclo e mais.
R
Implantação e ciclo de vida em MLOps
Curso
concluído
