Build your ultimate AI agent
Описание курса
Развертывание и жизненный цикл MLOps
Изучите современную структуру MLOps, включая жизненный цикл и развертывание моделей машинного обучения. В этом курсе вы научитесь писать ML-код, который минимизирует технический долг, познакомитесь с инструментами, необходимыми для развертывания и мониторинга моделей, а также изучите различные типы сред и аналитики, с которыми вы столкнетесь.Узнайте о жизненном цикле MLOps
После того как вы собрали, подготовили и разметили данные, провели множество экспериментов с разными моделями и подтвердили свою концепцию с помощью лучшей модели, пришло время для следующих шагов. Создавайте. Развертывание. Монитор. Сохранить. Таков жизненный цикл вашей модели, когда она предназначена для эксплуатации в production. Это и есть часть Ops в MLOps.Этот курс покажет вам, как пройти второй этап пути вашей модели к созданию ценности, задавая ориентир для многих последующих. Вы начнёте с изучения жизненного цикла MLOps, узнаете, почему MLOps так важен, а также познакомитесь с ключевыми функциональными компонентами для разработки, развёртывания, мониторинга и сопровождения моделей.Разрабатывайте ML-код для развертывания
Далее вы узнаете, как разрабатывать модели для развертывания и как писать эффективный код для ML, использовать инструменты и обучать ML-пайплайны. По мере продвижения вы узнаете, как разворачивать свои модели, изучая различные среды развертывания и когда их использовать. Вы также разработаете стратегии замены существующих производственных моделей и изучите API.Узнайте, как отслеживать свои модели
По мере прохождения курса вы узнаете о ключевых метриках производительности, лежащих в основе мониторинга и поддержания ваших ML-моделей. Вы узнаете о мониторинге дрейфа в продакшене, а также о обратной связи по модели, обновлениях и управлении.К моменту завершения курса вы поймете, как использовать жизненный цикл MLOps для развертывания собственных моделей в production.Предварительные требования
Программа
Структура курса
1
MLOps: краткий обзор
В этой главе рассматривается общий обзор принципов MLOps и компонентов фреймворка, важных для развёртывания и управления жизненным циклом моделей.
- Современный фреймворк MLOps50 XP
- Рабочие процессы ML100 XP
- Преимущества MLOps50 XP
- Этапы жизненного цикла50 XP
- Приложение и модель100 XP
- Вывод из эксплуатации50 XP
- Жизненный цикл модели: итоги100 XP
- Компоненты MLOps50 XP
- Автоматизированная последовательность50 XP
- Хранилища и реестры100 XP
- DevOps или MLOps?100 XP
2
Разработка с прицелом на развёртывание
Эта глава посвящена всем аспектам, которые необходимо учесть ещё на этапе разработки, чтобы обеспечить плавный переход к операционной эксплуатации.
Главная цель — объяснить, как обучать модель с соблюдением лучших практик MLOps и создавать пакет модели, обеспечивающий удобное развёртывание, воспроизводимость и мониторинг после развёртывания.
3
Развёртывание и эксплуатация
В этой главе рассматриваются ключевые вопросы операционной эксплуатации моделей:
- Какие существуют способы обслуживания моделей?
- Что такое API и каковы его основные функции?
- Как тщательно протестировать сервис перед тем, как открыть к нему доступ конечным пользователям?
- Как обновлять модели в продуктивной среде без прерывания работы сервиса?
Вы изучите пакетное и прогнозирование в реальном времени, валидацию входных и выходных данных, модульное и интеграционное тестирование, канареечное развёртывание и многое другое.
4
Мониторинг и сопровождение
Заключительная глава посвящена мониторингу и сопровождению ML-сервисов после их развёртывания, а также управлению моделями.
Вы познакомитесь с такими важными концепциями, как задержка верификации, ковариатный сдвиг, дрейф концепта, системы с участием человека в процессе принятия решений и другими.
R
MLOps: развёртывание и жизненный цикл моделей
Курс
завершён
