Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés a Cursorba az adat- és gépi tanulási munkafolyamatokhoz
- A Cursor szerepének áttekintése az adat- és gépi tanulási mérnöki munkában
- Környezet beállítása és adatforrások csatlakoztatása
- A mesterséges intelligenciával meghajtott kódsegítség megértése a jegyzetfüzetekben
Jegyzetfüzetek fejlesztésének gyorsítása
- Jupyter jegyzetfüzetek létrehozása és kezelése a Cursorban
- Mesterséges intelligencia használata kódkiegészítéshez, adatfeltáráshoz és vizualizációhoz
- Kísérletek dokumentálása és reprodukálhatóság fenntartása
ETL és jellemzőkészítő folyamatok építése
- ETL szkriptek generálása és átdolgozása mesterséges intelligenciával
- Jellemzőkészítő folyamatok strukturálása skálázhatóság érdekében
- Folyamatkomponensek és adathalmazok verziókövetése
Modellképzés és értékelés a Cursorral
- Modellképzési kód és értékelési ciklusok vázának létrehozása
- Adatelőfeldolgozás és hiperparaméter-finomhangolás integrálása
- Modell reprodukálhatóság biztosítása különböző környezetekben
Cursor integrálása MLOps folyamatokba
- Cursor csatlakoztatása modell nyilvántartókhoz és CI/CD munkafolyamatokhoz
- Mesterséges intelligenciával segített szkriptek használata automatikus újraképzéshez és üzembe helyezéshez
- Modell életciklus figyelése és verziókövetés
Mesterséges intelligenciával segített dokumentáció és jelentéskészítés
- Beágyazott dokumentáció generálása adatfolyamatokhoz
- Kísérleti összefoglalók és haladási jelentések készítése
- Csapatmunka javítása kontextusos dokumentációval
Reprodukálhatóság és irányítás a gépi tanulási projektekben
- Az adat- és modell leszármaztatás legjobb gyakorlatainak implementálása
- Irányítás és megfelelőség fenntartása mesterséges intelligenciával generált kódokkal
- Mesterséges intelligenciás döntések auditálása és nyomonkövetés fenntartása
Termelékenység optimalizálása és jövőbeli alkalmazások
- Prompt stratégiák alkalmazása gyorsabb iteráció érdekében
- Automatizálási lehetőségek feltárása az adatműveletekben
- Felkészülés a jövőbeli Cursor és ML integrációs fejlesztésekre
Összefoglalás és következő lépések
Követelmények
- Tapasztalat Python-alapú adatelemzésben vagy gépi tanulásban
- Az ETL és modellképzési munkafolyamatok megértése
- Ismeret a verziókövetés és adatfolyam eszközökben
Közönség
- Adattudósok, akik ML jegyzetfüzeteket építenek és iterálnak
- Gépi tanulási mérnökök, akik képzési és következtetési folyamatokat terveznek
- MLOps szakemberek, akik a modell üzembe helyezést és reprodukálhatóságot kezelik
14 Órák
