After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Більша частина сучасного контенту, пов’язаного з машинним навчанням, зосереджується на навчанні моделей і налаштуванні параметрів, але 90% експериментальних моделей так і не доходять до продакшну, головним чином тому, що вони не були створені для тривалого використання. У цьому курсі ви побачите, як перехід від мислення інженера машинного навчання до мислення MLOps (Machine Learning Operations) дасть вам змогу навчати, документувати, підтримувати та масштабувати ваші моделі на повну їхню потужність.
Експериментуйте та легко документуйте результати
Експериментувати з моделями ML часто цікаво, але це може забирати багато часу. Тут ви навчитеся проєктувати відтворювані експерименти, щоб прискорити цей процес, одночасно створюючи документацію для себе та своїх колег, що зробить подальшу роботу над конвеєром значно простішою.Створюйте MLOps-моделі для продакшну
Ви вивчите найкращі практики пакування та серіалізації як моделей, так і середовищ для продакшну, щоб забезпечити максимально тривалий термін служби моделей.Масштабуйте та автоматизуйте свої ML-пайплайни
Враховуючи складність моделі та даних і безперервну автоматизацію, ви можете забезпечити масштабування ваших моделей для виробничого використання, а також їх моніторинг і розгортання в одну мить.Після завершення цього курсу ви зможете проєктувати та розробляти моделі машинного навчання, готові до впровадження в продакшн, і постійно вдосконалювати їх з часом.
Попередні вимоги
Навчальний план
Зміст курсу
1
Перехід від досліджень до продакшну
У цьому розділі ви отримаєте навички та знання, потрібні, щоб перевести моделі машинного навчання зі стадії досліджень і розробки до продакшн-середовища. Ви дізнаєтеся, як перейти від дослідницького прототипу до надійної, масштабованої та зручної в підтримці системи.
2
Забезпечення відтворюваності
У цьому розділі ви дізнаєтеся про важливість відтворюваності в машинному навчанні та як забезпечити, щоб ваші моделі залишалися відтворюваними й надійними з часом. Ви розглянете різні методи та найкращі практики, які допоможуть гарантувати відтворюваність ваших моделей.
3
ML у продакшн-середовищах
У розділі 3 ви розглянете різні виклики, пов'язані з розгортанням моделей машинного навчання в продакшн-середовищах. Ви дізнаєтеся про підходи до розгортання ML-моделей у продакшні та стратегії моніторингу й підтримки ML-моделей у продакшні.
4
Тестування ML-пайплайнів
У фінальному розділі ви вивчите різні способи тестування пайплайнів машинного навчання та перевірки, що вони працюють як очікується. Ви з'ясуєте важливість тестування ML-пайплайнів і ознайомитеся з методами тестування та валідації ML-пайплайнів.
R
Розроблення моделей машинного навчання для продакшну
Курс
завершено
