Свържете се с нас
 Продължителност 14 часa

Съдържание и теми, включени в курса

Въведение в моделите Devstral и Mistral

  • Преглед на моделите с отворен код на Mistral
  • Лицензиране Apache-2.0 и внедряване в корпоративен сектор
  • Ролята на Devstral в програмирането и агентните потоци

Самохостинг на моделите Mistral и Devstral

  • Подготовка на средата и избор на инфраструктура
  • Контейнеризация и внедряване с Docker/Kubernetes
  • Разглеждане на въпроси за мащабиране за продуктивно използване

Техники за дообучване

  • Надзорено дообучване спрямо ефективното по параметрите дообучване
  • Подготовка и почистване на данните
  • Примери за персонализиране за конкретни области

Model Ops и версиониране

  • Най-добри практики за управление на жизнения цикъл на моделите
  • Стратегии за версиониране и откат (rollback) на моделите
  • CI/CD пайплайни за ML модели

Управление и съответствие

  • Съображения за сигурност при внедряване на отворен код
  • Мониторинг и проследимост в корпоративни контексти
  • Рамки за съответствие и практики за отговорен AI

Мониторинг и наблюдаемост

  • Следене на дрейфа на моделите и влошаването на точността
  • Инструментиране за производителност при инференс
  • Потоци за алармиране и реагиране

Кейс студии и най-добри практики

  • Примери за използване в индустрията при внедряване на Mistral и Devstral
  • Балансиране на разходите, производителността и контрола
  • Учения от Model Ops с отворен код

Резюме и следващи стъпки

Изисквания

  • Разбиране на процесите в машинното обучение
  • Опит с ML фреймуъркове, базирани на Python
  • Знае с контейнеризация и среди за внедряване

Целева аудитория

  • Инженери по машинно обучение
  • Екипи за данъчни платформи
  • Изследователи

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории