Đề cương khóa học
Giới thiệu
- Các mô hình Machine Learning so với phần mềm truyền thống
Tổng quan về quy trình DevOps
Tổng quan về quy trình Machine Learning
ML như là Code cộng với Data
Các thành phần của hệ thống ML
Bài học thực tế: Ứng dụng dự báo doanh số
Truy cập dữ liệu
Xác thực dữ liệu
Chuyển đổi dữ liệu
Từ Data Pipeline đến ML Pipeline
Xây dựng mô hình dữ liệu
Huấn luyện mô hình
Xác thực mô hình
Sinh lại quá trình huấn luyện mô hình
Triển khai mô hình
Đưa mô hình đã huấn luyện vào sản xuất
Kiểm tra hệ thống ML
Tổ chức Continuous Delivery
Giám sát mô hình
Phiên bản hóa dữ liệu
Thay đổi, mở rộng và bảo trì nền tảng MLOps
Sửa lỗi
Tổng kết và kết luận
Requirements
- Hiểu biết về chu kỳ phát triển phần mềm
- Kinh nghiệm xây dựng hoặc làm việc với các mô hình Machine Learning
- Thuần thục với lập trình Python
Đối tượng
- Kỹ sư ML
- Kỹ sư DevOps
- Kỹ sư dữ liệu
- Kỹ sư cơ sở hạ tầng
- Nhà phát triển phần mềm
Testimonials (3)
Có nhiều bài tập thực hành được hướng dẫn và hỗ trợ bởi giảng viên.
Aleksandra - Fundacja PTA
Course - Mastering Make: Advanced Workflow Automation and Optimization
Machine Translated
hệ sinh thái ML không chỉ có MLFlow mà còn có Optuna, hyperops, docker và docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Course - MLflow
Machine Translated
Tôi đã rất thích tham gia khóa đào tạo Kubeflow được tổ chức trực tuyến. Khóa học này giúp tôi củng cố kiến thức về các dịch vụ AWS, K8s và tất cả các công cụ devOps xung quanh Kubeflow, những nền tảng cần thiết để tiếp cận chủ đề một cách hiệu quả. Tôi muốn cảm ơn Malawski Marcin vì sự kiên nhẫn và chuyên nghiệp trong việc đào tạo và tư vấn về các thực hành tốt nhất. Malawski tiếp cận chủ đề từ nhiều góc độ khác nhau, sử dụng các công cụ triển khai khác nhau như Ansible, EKS kubectl, Terraform. Bây giờ tôi hoàn toàn tin tưởng rằng mình đang đi đúng hướng trong lĩnh vực ứng dụng này.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Course - Kubeflow
Machine Translated