After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
MLOps este setul de practici dezvoltat pentru a te ajuta să implementezi și să menții modelele de machine learning în producție. În prezent, în industrie și în cercetare, MLOps este în centrul atenției ca o modalitate de a asigura că sistemele ML generează valoare.
Descoperă automatizarea completă în MLOps
În acest curs, vei învăța cum să folosești automatizarea în MLOps pentru a implementa sisteme ML care pot oferi valoare în timp. Vei învăța cum datoria tehnică ascunsă afectează sistemele ML și valoarea pe care acestea o produc. Vei înțelege, de asemenea, cum automatizarea și eficientizarea etapelor ciclului de viață al ML pot ajuta la operarea și scalarea sistemelor ML.Aflați despre arhitectura MLOps
Vei folosi exerciții practice și interactive pentru a învăța despre componentele unei arhitecturi MLOps și despre modul în care acestea sunt necesare pentru a permite automatizarea completă a sistemelor ML.Explorează tehnici MLOps CI/CD/CM/CT
Pe măsură ce avansezi, vei învăța cum CI/CD automatizat, împreună cu Continuous Monitoring (CM) și Continuous Training (CT), sunt tehnici esențiale pentru a evita datoria tehnică în implementările tale ML.Înțelege automatizarea în strategiile de implementare
Până la finalul cursului, vei înțelege cum automatizarea cu MLOps poate îmbunătăți modul în care implementezi sistemele tale ML în lumea reală, oferind implementărilor tale robustețe și scalabilitate.Începe să înveți, dobândește cunoștințe în acest domeniu foarte căutat și descoperă cum să aplici automatizarea atunci când proiectezi sisteme MLOps.
Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în MLOps complet automatizat
În acest prim capitol, descoperim motivele pentru care MLOps este folosit în mediul industrial. Vei învăța despre importanța sa în generarea de valoare pentru afaceri. Vei recapitula și etapele ML, cu accent pe modul în care MLOps le îmbunătățește. La finalul capitolului, vei explora o arhitectură de referință pentru un sistem MLOps complet automatizat. Vei folosi această arhitectură pentru a analiza componentele importante ale oricărui sistem MLOps – un punct de plecare solid pentru restul cursului.
- Introducere în MLOps complet automatizat50 XP
- Datoria tehnică ascunsă trebuie achitată50 XP
- Datoria tehnică ascunsă în ML este diferită100 XP
- Etapele ciclului de viață MLOps50 XP
- MLOps complet automatizat50 XP
- A automatiza sau a nu automatiza...50 XP
- Construind la scară100 XP
- Arhitectură de referință: MLOps complet automatizat50 XP
- Arhitecturi de referință în IT și MLOps50 XP
- Componentele arhitecturii MLOps100 XP
2
Arhitectura MLOps complet automatizat
În acest capitol, îți continui explorarea componentelor esențiale ale unui sistem MLOps complet automatizat. Vei examina mai întâi importanța orchestrării în MLOps și modul în care aceasta contribuie la eficiența și scalabilitatea pipeline-urilor ML. Apoi vei analiza diferitele strategii de implementare din MLOps și vei învăța cum să alegi strategia potrivită pentru sistemul tău. În final, vei descoperi CI/CD/CT/CM și cum completează orchestrarea și bunele practici pentru a obține automatizare completă în sistemele MLOps. Cu aceste noțiuni, vei fi mai bine pregătit să construiești un sistem MLOps complet automatizat, eficient, precis și fiabil.
3
Tipare de automatizare
În acest capitol, vei pătrunde în lumea fascinantă a automatizării și vei învăța cum să proiectezi sisteme ML mai reziliente și mai eficiente. Vei începe prin a înțelege fundamentele automatizării în sistemele MLOps, apoi vei descoperi puterea tiparelor de proiectare și a mecanismelor de siguranță. Vei învăța, de asemenea, cum să implementezi testarea automată în sistemele MLOps și cum să folosești ajustarea hiperparametrilor pentru a-ți optimiza modelele și fluxurile de lucru. La finalul acestui capitol, vei avea abilitățile și cunoștințele necesare pentru a construi și gestiona sisteme MLOps complet automatizate, atât eficiente, cât și fiabile.
4
Automatizarea în implementările MLOps
În acest capitol final, vei analiza în detaliu componentele esențiale ale unei arhitecturi MLOps automatizate. De la urmărirea automată a experimentelor și registrul de modele, până la feature store și rolul metastore-ului, acest capitol îți oferă o înțelegere cuprinzătoare a complexității unui sistem MLOps complet automatizat. Indiferent dacă ești un practician ML experimentat sau abia la început, acest capitol îți va oferi cunoștințele și abilitățile necesare pentru a proiecta fluxuri de lucru MLOps automatizate.
R
MLOps complet automatizat
Curs
finalizat
