Свържете се с нас

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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории