Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в Devstral и Mistral моделите
- Преглед на моделите с отворен код на Mistral
- Лицензиране Apache-2.0 и корпоративно приемане
- Ролята на Devstral в кодирането и агентните работни процеси
Самостоятелен хостинг на Mistral и Devstral модели
- Подготовка на средата и избор на инфраструктура
- Контейнеризация и внедряване с Docker/Kubernetes
- Съображения за мащабиране при производствена употреба
Техники за фина настройка
- Надзорна фина настройка срещу параметрично ефективна настройка
- Подготовка и почистване на набора от данни
- Примери за персонализиране за конкретен домейн
Операции с модели и версиониране
- Най-добри практики за управление на жизнения цикъл на моделите
- Стратегии за версиониране на модели и връщане назад
- CI/CD pipelines за ML модели
Управление и съответствие
- Съображения за сигурност при внедряване с отворен код
- Наблюдение и одитируемост в корпоративен контекст
- Рамки за съответствие и отговорни AI практики
Наблюдение и наблюдаемост
- Проследяване на отклонението на модела и влошаването на точността
- Инструментиране за производителност на инференцията
- Работни процеси за предупреждения и реакция
Казуси и най-добри практики
- Индустриални случаи на приемане на Mistral и Devstral
- Балансиране на разходи, производителност и контрол
- Научени уроци от операции с модели с отворен код
Обобщение и следващи стъпки
Изисквания
- Разбиране на работните процеси в машинното обучение
- Опит с Python-базирани ML рамки
- Запознатост с контейнеризацията и средите за внедряване
Аудитория
- ML инженери
- Екипи за платформи за данни
- Изследователски инженери
14 Часа