Makine öğrenimi uygulamasının uçtan uca yaşam döngüsünü yönetmek, veri bilimcileri, mühendisler ve geliştiriciler için zorlu bir görev olabilir. Makine öğrenimi uygulamaları karmaşıktır ve izlenmesi zor, yeniden üretilmesi zor ve dağıtımı sorunlu olduğu kanıtlanmış bir geçmişe sahiptir.
Bu kursta, MLflow'un ne olduğunu ve izleme, tekrarlanabilirlik ve dağıtım gibi makine öğrenimi yaşam döngüsünün zorluklarını nasıl basitleştirmeye çalıştığını öğreneceksiniz. MLflow'u öğrendikten sonra, Makine Öğrenimi uygulamaları oluşturmanın karmaşıklıklarını nasıl aşabileceğinizi ve Makine Öğrenimi yaşam döngüsünün farklı aşamalarında nasıl ilerleyebileceğinizi daha iyi anlayacaksınız.
Kurs boyunca, MLflow platformunu oluşturan dört ana bileşeni derinlemesine inceleyeceksiniz. MLflow Tracking ile modelleri, metrikleri ve parametreleri nasıl takip edeceğinizi, MLflow Projects ile tekrarlanabilir ML kodunu nasıl paketleyeceğinizi, MLflow Models ile modelleri nasıl oluşturacağınızı ve dağıtacağınızı ve Model Registry ile modelleri nasıl depolayacağınızı ve sürüm kontrolünü nasıl yapacağınızı keşfedeceksiniz.
Kursu ilerledikçe, MLflow'u model sürümleme, modelleri değerlendirme, modellere özelleştirmeler ekleme ve eğitim çalıştırmalarına otomasyon ekleme konusunda en iyi uygulamaları da öğreneceksiniz. Bu kurs, bir sonraki Makine Öğrenimi uygulamanızın yaşam döngüsünü başarıyla yönetmeniz için sizi hazırlayacaktır.