План на курса

Введение

  • Модели на машинно обучение vs традиционно софтуер

Обзор на процеса DevOps

Обзор на процеса машинно обучение

ML като код плюс данни

Компоненти на ML система

Примерен случай: Приложение за прогнозиране на продажби

Достъп до данни

Валидиране на данни

Преобразуване на данни

От Data Pipeline към ML Pipeline

Създаване на модел на данни

Обучаване на модел

Валидиране на модел

Възпроизвеждане на обучение на модел

Развертане на модел

Обслужване на обучаван модел в производство

Тестване на ML система

Оркестрация на непрекъснато доставяне

Мониторинг на модела

Версиониране на данни

Адаптиране, масштабиране и поддържане на MLOps платформа

Диагностика на проблеми

Резюме и заключение

Изисквания

  • Разбиране на цикъла на разработка на софтуер
  • Опит в изграждане или работа с модели на машинно обучение
  • Запознаване с програмирането на Python

Целева аудитория

  • Инженери по ML
  • Инженери по DevOps
  • Инженери по данни
  • Инженери по инфраструктура
  • Разработчици на софтуер
 35 часа

Брой участници


Цена за участник

Отзиви от потребители (3)

Предстоящи Курсове

Свързани Kатегории