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 Mã cộng với Dữ liệu
Các thành phần của một Hệ thống ML
Nghiên cứu điển hình: Ứng dụng Bán hàng Forecasting
Accessing Dữ liệu
Xác thực Dữ liệu
Chuyển đổi Dữ liệu
Từ Quy trình Dữ liệu đến Quy trình ML
Xây dựng Mô hình Dữ liệu
Huấn luyện Mô hình
Xác thực Mô hình
Tái tạo Huấn luyện Mô hình
Triển khai Mô hình
Cung cấp Mô hình đã Huấn luyện cho Sản xuất
Kiểm tra Hệ thống ML
Điều phối Phân phối Liên tục
Giám sát Mô hình
Phiên bản hóa Dữ liệu
Thích ứng, Mở rộng và Duy trì Nền tảng MLOps
Khắc phục sự cố
Tóm tắt và Kết luận
Requirements
- Hiểu biết về quy trình phát triển phần mềm
- Kinh nghiệm xây dựng hoặc làm việc với các mô hình Machine Learning
- Làm quen 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