После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
MLOps — это набор практик, разработанных, чтобы помочь вам развертывать и поддерживать модели машинного обучения в рабочей среде. В наши дни в индустрии и научных исследованиях MLOps находится в центре внимания как способ обеспечить, чтобы ML-системы приносили пользу.
Откройте для себя полную автоматизацию в MLOps
В этом курсе вы узнаете, как использовать автоматизацию в MLOps для развертывания ML-систем, которые могут приносить пользу на протяжении длительного времени. Вы узнаете, как скрытый технический долг влияет на ML-системы и создаваемую ими ценность. Вы также поймёте, как автоматизация и оптимизация этапов жизненного цикла ML могут помочь в эксплуатации и масштабировании ML-систем.Узнайте об архитектуре MLOps
Вы будете использовать практические и интерактивные упражнения, чтобы изучить компоненты архитектуры MLOps и понять, почему они необходимы для обеспечения полной автоматизации ML-систем.Изучите методы MLOps для CI/CD/CM/CT
По мере продвижения вы узнаете, как автоматизированные CI/CD, вместе с Непрерывным мониторингом (CM) и Непрерывным обучением (CT), являются ключевыми методами для предотвращения технического долга в ваших развертываниях ML.Поймите автоматизацию в стратегиях развертывания
К концу курса вы поймёте, как автоматизация с помощью MLOps может улучшить процесс развёртывания ваших ML-систем в реальном мире, обеспечивая вашим развёртываниям надёжность и масштабируемость.Начните обучение, получите знания в этой востребованной области и узнайте, как применять автоматизацию при проектировании систем MLOps.
Предварительные требования
Программа
План курса
1
Введение в полностью автоматизированный MLOps
В первой главе вы узнаете, зачем MLOps применяется в промышленных условиях, и поймёте его роль в создании ценности для бизнеса. Вы также повторите этапы работы с ML и рассмотрите, как MLOps их улучшает. В конце главы вы познакомитесь с эталонной архитектурой полностью автоматизированной MLOps-системы. На её основе вы изучите ключевые компоненты любой MLOps-системы — это станет отправной точкой для дальнейшего курса.
- Введение в полностью автоматизированный MLOps50 XP
- Технический долг требует оплаты50 XP
- Скрытый технический долг в ML — это особый случай100 XP
- Этапы жизненного цикла MLOps50 XP
- Полностью автоматизированный MLOps50 XP
- Автоматизировать или нет...50 XP
- Разработка с расчётом на масштаб100 XP
- Эталонная архитектура: полностью автоматизированный MLOps50 XP
- Референсные архитектуры в ИТ и MLOps50 XP
- Компоненты архитектуры MLOps100 XP
2
Архитектура полностью автоматизированного MLOps
В этой главе вы продолжите изучение ключевых компонентов полностью автоматизированной MLOps-системы. Сначала вы рассмотрите роль оркестрации в MLOps и то, как она обеспечивает эффективность и масштабируемость ML-пайплайнов. Затем изучите различные стратегии развёртывания в MLOps и научитесь выбирать подходящую стратегию для вашей системы. Наконец, вы познакомитесь с CI/CD/CT/CM и узнаете, как эти практики дополняют оркестрацию и помогают достичь полной автоматизации MLOps-систем. Освоив этот материал, вы будете готовы строить полностью автоматизированные MLOps-системы, которые отличаются эффективностью, точностью и надёжностью.
3
Паттерны автоматизации
В этой главе вы погрузитесь в мир автоматизации и научитесь проектировать более устойчивые и эффективные ML-системы. Вы начнёте с основ автоматизации в MLOps-системах, а затем перейдёте к изучению паттернов проектирования и механизмов защиты от сбоев. Вы также узнаете, как внедрить автоматизированное тестирование в MLOps-системы и как использовать подбор гиперпараметров для оптимизации моделей и рабочих процессов. По завершении главы вы будете обладать знаниями и навыками, необходимыми для построения полностью автоматизированных MLOps-систем, сочетающих эффективность и надёжность.
4
Автоматизация в развёртывании MLOps
В заключительной главе вы изучите ключевые компоненты автоматизированной архитектуры MLOps. От автоматизированного отслеживания экспериментов и реестра моделей до хранилища признаков и хранилища метаданных — эта глава даст вам полное понимание устройства полностью автоматизированной MLOps-системы. Независимо от вашего уровня опыта в ML, вы получите знания и практические навыки, необходимые для проектирования автоматизированных MLOps-рабочих процессов.
R
Полностью автоматизированный MLOps
Курс
завершён
