After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Phần lớn nội dung về Machine Learning hiện nay tập trung vào huấn luyện mô hình và tinh chỉnh tham số, nhưng 90% mô hình thử nghiệm không bao giờ được đưa vào sản xuất, chủ yếu vì chúng không được thiết kế để vận hành lâu dài. Trong khóa học này, bạn sẽ thấy rằng chuyển tư duy từ kỹ sư Machine Learning sang tư duy MLOps (Machine Learning Operations) sẽ giúp bạn huấn luyện, ghi chép, vận hành, và mở rộng mô hình đến mức tối đa.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Chuyển từ nghiên cứu sang sản xuất
Chương này sẽ trang bị cho bạn kỹ năng và kiến thức để đưa các mô hình Machine Learning từ giai đoạn nghiên cứu và phát triển sang môi trường sản xuất. Bạn sẽ học về quy trình chuyển từ nguyên mẫu nghiên cứu thành hệ thống đáng tin cậy, có khả năng mở rộng và dễ bảo trì.
2
Đảm bảo khả năng tái lập
Trong chương này, bạn sẽ tìm hiểu tầm quan trọng của khả năng tái lập trong Machine Learning, và cách đảm bảo mô hình của bạn có thể được tái lập và đáng tin cậy theo thời gian. Bạn sẽ khám phá các kỹ thuật và thực tiễn tốt nhất để đảm bảo khả năng tái lập cho mô hình.
3
ML trong môi trường sản xuất
Ở Chương 3, bạn sẽ xem xét những thách thức khi triển khai mô hình Machine Learning vào môi trường sản xuất. Bạn sẽ học về các cách tiếp cận để triển khai mô hình ML trong sản xuất và chiến lược giám sát, vận hành mô hình ML sau khi đưa vào sản xuất.
4
Kiểm thử pipeline ML
Trong chương cuối, bạn sẽ học về các cách kiểm thử pipeline Machine Learning và đảm bảo chúng hoạt động đúng như mong đợi. Bạn sẽ hiểu tầm quan trọng của việc kiểm thử pipeline ML và các kỹ thuật để kiểm thử, xác thực pipeline ML.
R
Phát triển mô hình Machine Learning cho môi trường sản xuất
Hoàn
thành khóa học
