After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Узнайте о Machine Learning Operations (MLOps)
Понимание концепций MLOps необходимо любому специалисту по данным, инженеру или руководителю, чтобы перевести модели машинного обучения из локального ноутбука в работающую модель в продакшене.В этом курсе вы узнаете, что такое MLOps, поймете различные этапы процессов MLOps и сможете определить разные уровни зрелости MLOps. После изучения основных концепций MLOps вы будете хорошо подготовлены к тому, чтобы внедрять машинное обучение непрерывно, надежно и эффективно.
Узнайте, как масштабировать и автоматизировать машинное обучение
Как мы можем масштабировать наши проекты машинного обучения, используя минимум времени и ресурсов? И как мы можем автоматизировать наши процессы, чтобы снизить необходимость ручного вмешательства и повысить производительность модели? Это фундаментальные вопросы машинного обучения, на которые MLOps дает ответы.В этом курсе по MLOps вы начнёте с изучения основ MLOps, познакомитесь с ключевыми функциями и связанными с ними ролями. Далее вы подробнее изучите различные этапы жизненного цикла машинного обучения.
По мере продвижения вы также узнаете о системах и инструментах, которые помогут лучше масштабировать и автоматизировать операции машинного обучения, включая feature stores, отслеживание экспериментов, CI/CD-пайплайны, микросервисы и контейнеризацию. Вы изучите ключевые концепции MLOps, что поможет вам лучше понять, как их применять.
Предварительные требования
Программа
Структура курса
1
Введение в MLOps
Вы познакомитесь с ключевыми концепциями MLOps, изучите жизненный цикл машинного обучения, его этапы и роли участников MLOps-процессов.
2
Проектирование и разработка
Вы изучите этап проектирования и разработки в жизненном цикле машинного обучения, а также оценку добавленной ценности, качество данных, хранилища признаков и отслеживание экспериментов.
3
Развёртывание моделей машинного обучения в производственной среде
В этой главе вы погрузитесь в концепции, связанные с развёртыванием моделей машинного обучения в производственной среде: среды выполнения, контейнеризация, CI/CD-конвейеры и стратегии развёртывания.
4
Поддержка моделей машинного обучения в производственной среде
В заключительной главе вы узнаете о поддержке моделей машинного обучения в производственной среде: статистическом и вычислительном мониторинге, переобучении моделей, уровнях зрелости MLOps и инструментах, упрощающих процессы в жизненном цикле машинного обучения.
R
Концепции MLOps
Курс
завершён
