Свържете се с нас

Съдържание и теми, включени в курса

Въведение в моделите Devstral и Mistral

  • Преглед на моделите с отворен код на Mistral
  • Лицензиране под Apache-2.0 и корпоративно приемане
  • Ролята на Devstral в работни потоци за кодиране и агентни системи

Самостоятелно хостване на моделите Mistral и Devstral

  • Подготовка на средата и избор на инфраструктура
  • Контейнеризация и внедряване с Docker/Kubernetes
  • Съображения за мащабиране при продукционна употреба

Техники за фина настройка

  • Контролирана фина настройка срещу параметрично-ефективна настройка
  • Подготовка и почистване на набори от данни
  • Примери за персонализиране за конкретен домейн

Операции с модели и управление на версиите

  • Най-добри практики за управление на жизнения цикъл на моделите
  • Стратегии за версиониране на модели и връщане назад
  • CI/CD потоци за ML модели

Управление и съответствие

  • Съображения за сигурност при внедряване с отворен код
  • Мониторинг и проследимост в корпоративен контекст
  • Рамки за съответствие и практики за отговорен AI

Мониторинг и наблюдаемост

  • Проследяване на дрейф на модела и влошаване на точността
  • Инструментиране за производителност на инференциите
  • Работни потоци 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 отворени модели (Model Ops)

Обобщение и следващи стъпки

Изисквания

  • Разбиране на работни потоци в машинното обучение
  • Опит с ML рамки, базирани на Python
  • Запознатост с контейнеризация и среди за внедряване

Аудитория

  • ML инженери
  • Екипи за платформи за данни
  • Научноизследователски инженери
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории