After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Розгортання та життєвий цикл MLOps
Ознайомтеся із сучасною платформою MLOps, зокрема з життєвим циклом і розгортанням моделей машинного навчання. У цьому курсі ви навчитеся писати ML-код, який мінімізує технічний борг, дізнаєтеся про інструменти, потрібні для розгортання та моніторингу ваших моделей, а також розглянете різні типи середовищ і аналітики, з якими ви зіткнетеся.Дізнайтеся про життєвий цикл MLOps
Після того, як ви зібрали, підготували й розмітили свої дані, провели численні експерименти з різними моделями та підтвердили свою концепцію за допомогою найкращої моделі, настав час для наступних кроків. Створюйте. Розгорнути. Монітор. Підтримуйте. Це життєвий цикл вашої моделі, коли вона призначена для продакшну. Це й є частина Ops у MLOps.Цей курс покаже вам, як пройти другий етап шляху вашої моделі до створення цінності, задаючи орієнтир для багатьох наступних. Ви почнете з вивчення життєвого циклу MLOps, дізнаєтеся про важливість MLOps і ключові функціональні компоненти для розробки, розгортання, моніторингу та підтримки моделей.Розробляйте ML-код для розгортання
Далі ви дізнаєтеся, як розробляти моделі для розгортання, як писати ефективний код ML, використовувати інструменти та навчати ML-пайплайни. У міру просування ви дізнаєтеся, як розгортати свої моделі, досліджуючи різні середовища розгортання та коли їх використовувати. Ви також розробите стратегії заміни наявних виробничих моделей і ознайомитеся з API.Дізнайтеся, як відстежувати свої моделі
Під час проходження курсу ви дізнаєтеся про ключові показники ефективності, що лежать в основі моніторингу та підтримки ваших ML-моделей. Ви дізнаєтеся про моніторинг дрейфу в продакшені, а також про зворотний зв’язок щодо моделі, оновлення та управління.Після завершення курсу ви зрозумієте, як використовувати життєвий цикл MLOps для розгортання власних моделей у production.Попередні вимоги
Навчальний план
Зміст курсу
1
MLOps коротко
У цій главі подано огляд принципів MLOps і компонентів фреймворку, важливих для розгортання та життєвого циклу.
2
Розробка для розгортання
Ця глава присвячена рішенням, які варто приймати вже на етапі розробки, щоб подальші операції відбувалися без ускладнень.
Наша мета — пояснити, як тренувати модель за найкращими практиками MLOps і зібрати пакунок моделі, що забезпечує плавне розгортання, відтворюваність і моніторинг після розгортання.
3
Розгортання та робота
У цій главі розглядаються критичні питання експлуатації моделей, зокрема:
- Якими різними способами ми можемо надавати моделі в роботу?
- Що таке API і які його ключові можливості?
- Як ретельно протестувати сервіс, перш ніж відкрити його кінцевим користувачам?
- Як оновлювати моделі в продакшні без переривання сервісу?
Ви дізнаєтеся про пакетне передбачення, передбачення в реальному часі, валідацію вхідних і вихідних даних, модульні тести, інтеграційні тести, канаркове розгортання та багато іншого.
4
Моніторинг і підтримка
Остання глава присвячена моніторингу й підтримці ML‑сервісів після їх розгортання, а також управлінню моделями.
Ви опanuєте ключові поняття, як‑от затримка верифікації, зсув коваріат, дрейф концепції, системи з людиною в циклі тощо.
R
Розгортання та життєвий цикл MLOps
Курс
завершено
