After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
MLOps — це набір практик, розроблених, щоб допомогти вам розгортати та підтримувати моделі машинного навчання у продакшені. Нині в індустрії та наукових дослідженнях MLOps перебуває в центрі уваги як спосіб забезпечити, щоб ML-системи приносили цінність.
Відкрийте для себе повну автоматизацію в MLOps
У цьому курсі ви дізнаєтеся, як використовувати автоматизацію в MLOps для розгортання ML-систем, які можуть приносити цінність упродовж тривалого часу. Ви дізнаєтеся, як прихований технічний борг впливає на ML-системи та цінність, яку вони створюють. Ви також зрозумієте, як автоматизація та оптимізація етапів життєвого циклу ML можуть допомогти в експлуатації та масштабуванні ML-систем.Дізнайтеся про архітектуру MLOps
Ви використовуватимете практичні та інтерактивні вправи, щоб дізнатися про компоненти архітектури MLOps і про те, як вони необхідні для забезпечення повної автоматизації ML-систем.Ознайомтеся з техніками MLOps для CI/CD/CM/CT
У міру просування ви дізнаєтеся, як автоматизовані CI/CD разом із Continuous Monitoring (CM) і Continuous Training (CT) є ключовими техніками для уникнення технічного боргу у ваших ML-розгортаннях.Зрозумійте автоматизацію в стратегіях розгортання
Наприкінці курсу ви зрозумієте, як автоматизація за допомогою MLOps може покращити розгортання ваших ML-систем у реальному світі, забезпечуючи вашим розгортанням надійність і масштабованість.Почніть навчання, здобудьте знання в цій надзвичайно затребуваній сфері та дізнайтеся, як застосовувати автоматизацію під час проєктування систем MLOps.
Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ: до повністю автоматизованого MLOps
У цьому першому розділі ми обґрунтуємо використання MLOps в індустрійному середовищі. Ви дізнаєтеся, чому він важливий для створення цінності в бізнесі. Також пригадаєте етапи ML, зосередившись на тому, як MLOps їх підсилює. Наприкінці розділу ви розглянете еталонну архітектуру повністю автоматизованої системи MLOps. Потім використаєте цю архітектуру, щоб дослідити компоненти, важливі для будь-якої MLOps-системи, і визначити відправну точку для решти курсу.
- Вступ до повністю автоматизованого MLOps50 XP
- Прихований технічний борг доводиться сплачувати50 XP
- Прихований технічний борг у ML — інший100 XP
- Етапи життєвого циклу MLOps50 XP
- Повністю автоматизований MLOps50 XP
- Автоматизувати чи не автоматизувати...50 XP
- Побудова зі врахуванням масштабування100 XP
- Еталонна архітектура: повністю автоматизований MLOps50 XP
- Еталонні архітектури в ІТ та MLOps50 XP
- Компоненти архітектури MLOps100 XP
2
Архітектура повністю автоматизованого MLOps
У цьому розділі ви продовжите досліджувати критично важливі компоненти, з яких складається повністю автоматизована система MLOps. Спочатку ви розглянете значення оркестрації в MLOps і те, як вона забезпечує ефективність і масштабованість ML-конвеєрів. Далі ознайомитеся з різними стратегіями розгортання в MLOps і навчитеся обирати відповідну стратегію для своєї системи. Нарешті, ви дізнаєтеся про CI/CD/CT/CM і про те, як це доповнює оркестрацію та найкращі практики для досягнення повної автоматизації в системах MLOps. Завдяки цим урокам ви будете краще підготовлені до створення повністю автоматизованої системи MLOps, яка є ефективною, точною та надійною.
3
Шаблони автоматизації
У цьому розділі ви зануритеся у світ автоматизації та навчитеся проєктувати більш стійкі й ефективні ML-системи. Спочатку ви розберетеся з основами автоматизації в системах MLOps, а потім відкриєте для себе силу шаблонів проєктування та механізмів відмовостійкості. Ви також дізнаєтеся, як упроваджувати автоматизоване тестування в системах MLOps і як використовувати налаштування гіперпараметрів для оптимізації моделей і робочих процесів. Наприкінці цього розділу ви матимете навички та знання, необхідні для створення й керування повністю автоматизованими системами MLOps, які водночас ефективні та надійні.
4
Автоматизація в розгортаннях MLOps
У цьому фінальному розділі ви розглянете ключові компоненти автоматизованої архітектури MLOps. Від розуміння автоматизованого відстеження експериментів і реєстру моделей до вивчення сховища ознак і ролі сховища метаданих — цей розділ забезпечить вас цілісним розумінням тонкощів повністю автоматизованої системи MLOps. Незалежно від того, чи ви досвідчений фахівець з ML, чи тільки починаєте, цей розділ надасть знання та вміння, необхідні для проєктування автоматизованих робочих процесів MLOps.
R
Повністю автоматизований MLOps
Курс
завершено
