Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
План на курса
Въведение
- Адаптиране на най-добрите практики за разработка на софтуер към машинно обучение. MLflow срещу Kubeflow -- къде блести MLflow?
Преглед на Machine Learning цикъла
- Подготовка на данни, обучение на модели, внедряване на модели, обслужване на модели и др.
Преглед на MLflow функции и архитектура
- MLflow Проследяване, MLflow Проекти и MLflow Модели Използване на MLflow интерфейс на командния ред (CLI) Навигация в MLflow UI
Настройка MLflow
- Инсталиране в публичен облак Инсталиране в локален сървър
Подготовка на средата за разработка
- Работа с преносими компютри Jupyter, Python IDE и самостоятелни скриптове
Изготвяне на проект
- Свързване към данните Създаване на прогнозен модел Обучение на модел
Използване на MLflow Проследяване
- Регистриране на версии на код, данни и конфигурации Регистриране на изходни файлове и показатели Запитване и сравняване на резултати
Изпълнение на MLflow проекта
- Общ преглед на синтаксиса на YAML Ролята на Git хранилището Код за пакетиране за повторна употреба Споделяне на код и сътрудничество с членовете на екипа
Запазване и сервиране на модели с MLflow модела
- Избор на среда за внедряване (облак, самостоятелно приложение и т.н.) Разполагане на модела за машинно обучение Обслужване на модела
Използване на MLflow моделния регистър
- Създаване на централно хранилище Съхранение, анотиране и откриване на модели Съвместно управление на модели.
Интегриране MLflow с други системи
- Работа с MLflow добавки Интегриране със системи за съхранение на трети страни, доставчици на удостоверяване и REST APIs Работещ Apache Spark -- по избор
Отстраняване на неизправности
Обобщение и заключение
Изисквания
- Python опит в програмирането
- Опит с рамки и езици за машинно обучение
Публика
- Учени по данни
- Инженери по машинно обучение
21 Hours
Oтзиви от потребители (1)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose