After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
O mare parte din conținutul de astăzi despre machine learning se concentrează pe antrenarea modelelor și ajustarea parametrilor, dar 90% dintre modelele experimentale nu ajung niciodată în producție, în principal pentru că nu au fost construite să reziste. În acest curs, vei vedea cum schimbarea mentalității tale de la o mentalitate de inginerie în machine learning la o mentalitate MLOps (Machine Learning Operations) îți va permite să antrenezi, să documentezi, să întreții și să scalezi modelele tale la potențialul lor maxim.
Experimentează și documentează cu ușurință
Experimentarea cu modele ML este adesea plăcută, dar poate consuma mult timp. Aici vei învăța cum să proiectezi experimente reproductibile pentru a accelera acest proces, în timp ce scrii documentație pentru tine și pentru colegii tăi, făcând munca viitoare pe pipeline mult mai ușoară.Construiește modele MLOps pentru producție
Vei învăța cele mai bune practici pentru împachetarea și serializarea atât a modelelor, cât și a mediilor pentru producție, pentru a te asigura că modelele vor rezista cât mai mult posibil.Scalează și automatizează-ți pipeline-urile ML
Luând în considerare complexitatea modelului și a datelor, precum și automatizarea continuă, poți să te asiguri că modelele tale vor fi scalate pentru utilizare în producție și pot fi monitorizate și implementate într-o clipă.După ce finalizați acest curs, veți putea proiecta și dezvolta modele de machine learning pregătite pentru producție și le veți putea îmbunătăți continuu în timp.
Cerințe prealabile
Curriculum
Structura cursului
1
De la cercetare la producție
Acest capitol îți oferă competențele și cunoștințele necesare pentru a trece modelele tale de machine learning din faza de cercetare și dezvoltare într-un mediu de producție. Vei învăța cum să faci tranziția de la un prototip de cercetare la un sistem fiabil, scalabil și ușor de întreținut.
- Adoptarea unei mentalități MLOps50 XP
- Care este un aspect esențial al MLOps?50 XP
- Ce este datoria tehnică?50 XP
- Scrierea codului ML ușor de întreținut50 XP
- Controlul versiunilor50 XP
- Organizarea codului50 XP
- Redactarea documentației eficiente pentru ML50 XP
- De ce să documentezi metodele de etichetare?50 XP
- Bune practici MLOps100 XP
2
Asigurarea reproductibilității
În acest capitol, vei afla de ce reproductibilitatea este esențială în machine learning și cum să te asiguri că modelele tale rămân reproductibile și fiabile în timp. Vei explora diverse tehnici și bune practici pe care le poți aplica pentru a garanta reproductibilitatea modelelor tale.
3
ML în medii de producție
În capitolul 3, vei analiza provocările specifice implementării modelelor de machine learning în medii de producție. Vei învăța despre diferitele abordări pentru implementarea modelelor ML în producție, precum și despre strategii de monitorizare și întreținere a acestora.
4
Testarea pipeline-urilor ML
În ultimul capitol, vei descoperi diverse metode de testare a pipeline-urilor de machine learning și vei învăța cum să te asiguri că acestea funcționează conform așteptărilor. Vei înțelege importanța testării pipeline-urilor ML și vei dobândi tehnici practice de testare și validare a acestora.
R
Dezvoltarea modelelor de Machine Learning pentru producție
Curs
finalizat
