Свържете се с нас

Съдържание и теми, включени в курса

Основи на контейнеризацията за MLOps

  • Разбиране на изискванията на жизнения цикъл на ML
  • Ключови концепции на Docker за ML системи
  • Най-добри практики за възпроизводими среди

Изграждане на контейнеризирани процеси за обучение на ML модели

  • Пакетиране на код за обучение на модели и зависимости
  • Конфигуриране на задачи за обучение чрез Docker изображения
  • Управление на набори от данни и артефакти в контейнери

Контейнеризация на валидирането и оценката на модели

  • Възпроизвеждане на среди за оценка
  • Автоматизиране на работни потоци за валидиране
  • Улавяне на показатели и логове от контейнери

Контейнеризирано извеждане на заключения (инференция) и обслужване

  • Проектиране на микросервиси за инференция
  • Оптимизиране на контейнери за изпълнение в продукционна среда
  • Внедряване на мащабируеми архитектури за обслужване

Оркестрация на процеси с Docker Compose

  • Координиране на многоконтейнерни ML работни потоци
  • Изолиране на среди и управление на конфигурации
  • Интегриране на поддържащи услуги (напр. проследяване, съхранение)

Версиониране на ML модели и управление на жизнения цикъл

  • Проследяване на модели, изображения и компоненти на процеси
  • Версионно контролирани контейнерни среди
  • Интегриране на MLflow или подобни инструменти

Внедряване и мащабиране на ML работни натоварвания

  • Изпълнение на процеси в разпределени среди
  • Мащабиране на микросервиси чрез подходи, вградени в Docker
  • Наблюдение на контейнеризирани ML системи

CI/CD за MLOps с Docker

  • Автоматизиране на изграждането и внедряването на ML компоненти
  • Тестване на процеси в контейнеризирани междинни (стейджинг) среди
  • Осигуряване на възпроизводимост и възможности за връщане назад (rollbacks)

Обобщение и следващи стъпки

Изисквания

  • Разбиране на работните процеси в машинното обучение
  • Опит с Python за разработка на данни или модели
  • Запознатост с основите на контейнерите

Аудитория

  • MLOps инженери
  • DevOps специалисти
  • Екипи за платформи за данни
 21 Часа

Брой участници


Цена за участник

Отзиви от участници (3)

Предстоящи Курсове

Свързани Kатегории