План на курса

Въведение

    Machine Learning модели срещу традиционен софтуер

Преглед на DevOps работния процес

Преглед на Machine Learning работния процес

ML като код плюс данни

Компоненти на ML система

Казус от практиката: Приложение за продажби Forecasting.

Accessдаване на данни

Валидиране на данни

Трансформация на данни

От Data Pipeline до ML Pipeline

Изграждане на модела на данни

Обучение на модела

Валидиране на модела

Възпроизвеждане на обучение по модел

Внедряване на модел

Обслужване на обучен модел в производството

Тестване на ML система

Оркестрация на непрекъсната доставка

Мониторинг на модела

Версиониране на данни

Адаптиране, мащабиране и поддържане на MLOps платформа

Отстраняване на неизправности

Обобщение и заключение

Изисквания

  • Разбиране на цикъла на разработка на софтуер
  • Опит в изграждането или работата с модели на машинно обучение
  • Познаване на Python програмиране

Публика

  • ML инженери
  • DevOps инженери
  • Инженери по данни
  • Инфраструктурни инженери
  • Разработчици на софтуер
  35 Hours
 

Брой участници


Започва

Свършва


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Oтзиви от потребители (3)

Свързани Kурсове

Свързани Kатегории