Свържете се с нас

Съдържание и теми, включени в курса

Въведение

  • Модели за машинно обучение срещу традиционен софтуер

Общ преглед на работния процес в DevOps

Общ преглед на работния процес в машинното обучение

ML като код плюс данни

Компоненти на една ML система

Казус: Приложение за прогнозиране на продажби

Достъп до данни

Валидиране на данни

Трансформация на данни

От Data Pipeline към ML Pipeline

Изграждане на модела на данните

Обучение на модела

Валидиране на модела

Възпроизвеждане на обучението на модела

Внедряване на модел

Предоставяне на обучен модел в продукционна среда

Тестване на ML система

Оркестрация на непрекъсната доставка

Мониторинг на модела

Версиониране на данни

Адаптиране, мащабиране и поддръжка на MLOps платформа

Отстраняване на проблеми

Обобщение и заключение

Изисквания

  • Разбиране на цикъла на софтуерна разработка
  • Опит в изграждането или работата с модели за машинно обучение
  • Познаване на програмирането на Python

Аудитория

  • ML инженери
  • DevOps инженери
  • Инженери по данни
  • Инфраструктурни инженери
  • Софтуерни разработчици
 35 Часа

Брой участници


Цена за участник

Отзиви от участници (2)

Предстоящи Курсове

Свързани Kатегории