Build your ultimate AI agent
Описание курса
Большая часть материалов по машинному обучению сегодня сосредоточена на обучении моделей и настройке параметров, но 90% экспериментальных моделей так и не доходят до продакшена, главным образом потому, что они не были созданы с расчетом на долгосрочную работу. В этом курсе вы узнаете, как переход от мышления инженера машинного обучения к мышлению MLOps (Machine Learning Operations) позволит вам обучать, документировать, поддерживать и масштабировать ваши модели, раскрывая их полный потенциал.
Экспериментируйте и легко документируйте
Эксперименты с моделями ML часто увлекательны, но могут отнимать много времени. Здесь вы узнаете, как проектировать воспроизводимые эксперименты, чтобы ускорить этот процесс, одновременно создавая документацию для себя и своих коллег, что сделает дальнейшую работу над конвейером намного проще.Создавайте MLOps-модели для промышленной эксплуатации
Вы изучите лучшие практики упаковки и сериализации как моделей, так и сред для production, чтобы обеспечить максимально долгий срок службы моделей.Масштабируйте и автоматизируйте свои ML-пайплайны
Учитывая сложность модели и данных, а также непрерывную автоматизацию, вы сможете обеспечить масштабирование ваших моделей для промышленного использования, а также их мониторинг и развертывание в мгновение ока.После завершения этого курса вы сможете проектировать и разрабатывать модели машинного обучения, готовые к промышленному использованию, и постоянно улучшать их со временем.
Предварительные требования
Программа
Структура курса
1
От исследования к продакшену
В этой главе вы получите навыки и знания, необходимые для перевода моделей машинного обучения из фазы исследования и разработки в производственную среду. Вы познакомитесь с процессом перехода от исследовательского прототипа к надёжной, масштабируемой и удобной в сопровождении системе.
- Переход к мышлению в парадигме MLOps50 XP
- Что является ключевым аспектом MLOps?50 XP
- Что такое технический долг?50 XP
- Написание поддерживаемого кода для МО50 XP
- Контроль версий50 XP
- Организация кода50 XP
- Написание эффективной документации для ML50 XP
- Зачем документировать методы разметки?50 XP
- Лучшие практики MLOps100 XP
2
Обеспечение воспроизводимости
В этой главе вы узнаете о важности воспроизводимости в машинном обучении и о том, как обеспечить стабильную воспроизводимость моделей на протяжении всего их жизненного цикла. Вы изучите различные техники и лучшие практики, которые помогут гарантировать воспроизводимость ваших моделей.
3
Машинное обучение в производственных средах
В третьей главе вы рассмотрите основные сложности, связанные с развёртыванием моделей машинного обучения в производственных средах. Вы познакомитесь с различными подходами к развёртыванию ML-моделей, а также со стратегиями мониторинга и сопровождения моделей в продакшене.
4
Тестирование ML-пайплайнов
В заключительной главе вы узнаете о различных способах тестирования ML-пайплайнов и проверки их корректной работы. Вы поймёте, почему тестирование пайплайнов так важно, и освоите техники их тестирования и валидации.
R
Разработка моделей машинного обучения для продакшена
Курс
завершён
