Name: Концепции MLOps
Rating: 4.8061674008810575 (2724 reviews)

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

Understanding Machine Learning Understanding Data Engineering

Программа

Структура курса

Введение в MLOps

Вы познакомитесь с ключевыми концепциями MLOps, изучите жизненный цикл машинного обучения, его этапы и роли участников MLOps-процессов.

Начать главу

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.

Начать главу

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.

Начать главу

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.