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 Cursor adat- és ML folyamatokba
- Áttekintés a Cursor szerepéből az adat- és ML mérnökségben
- Környezet beállítása és adatforrások csatlakoztatása
- Ismerkedés az mesterséges intelligencia által megerősített kód segítségével a jegyzetfüzetekben
A Jegyzetfüzet Fejlesztésének Gyorsítása
- Jupyter jegyzetfüzetek létrehozása és kezelése a Cursor-ban
- Mesterséges intelligencia használata kódgeneráláshoz, adatfeltárásra és vizualizációhoz
- Kísérletek dokumentálása és reproduktibilitás fenntartása
ETL- és Jellemző-Mérnöki Folyamatok Készítése
- Mesterséges intelligencia segítségével ETL szkriptek generálása és átalakítása
- Jellemző-folyamatok strukturálása méretezhetőség érdekében
- Folyamatkomponensek és adatkészletek verziókontrolla
Modell Tanítás és Értékelés a Cursor-val
- Modelltanítási kód és értékelési ciklusok generálása
- Adateltárolás és hiperparaméter finomítás integrálása
- Modell reproduktibilitás biztosítása környezetek között
A Cursor Integrálása az MLOps Folyamatokba
- Cursor csatlakoztatása a modell-regisztrációkhoz és CI/CD folyamatokhoz
- Mesterséges intelligencia segítségével automatizált újratanításra és üzembe helyezésre szolgáló szkriptek használata
- Modell életciklus figyelése és verziókövetés
Mesterséges Intelligencia Segítségű Dokumentáció és Jelentéskészítés
- Adatfolyamatok inline dokumentálásának generálása
- Kísérlet összefoglalók és folyamat jelentések készítése
- Csomagolás megfelelő dokumentációval történő csapat együttműködés javítása
Reproduktibilitás és Irányítás az ML Projektekben
- Legjobb gyakorlatok implementálása az adat- és modell származtatási folyamatokra
- Mesterséges intelligencia által generált kód irányításának és megfelelőségének fenntartása
- Mesterséges intelligencia döntések ellenőrzése és nyomon követésének megtartása
Termelékenység Optimalizálása és Jövőbeli Alkalmazások
- Gyorsabb iteráció prompt stratégiák alkalmazása
- Automatizálási lehetőségek felfedezése az adatműveletekben
- Készülés a jövőbeli Cursor és ML integrációs fejlesztésekre
Összefoglalás és További Lépések
Követelmények
- Tapasztalat Python-alapú adatelemzésben vagy gépi tanulásban
- Ismeret az ETL- és modelltanítási folyamatokról
- Ismeret a verziókontroll és adatfolyamat eszközökről
Célcsoport
- Adatmérnökök, akik ML jegyzetfüzeteket készítenek és módosítanak
- Gépi tanulási mérnökök, akik tanítási és inferencia folyamatokat terveznek
- MLOps szakemberek, akik a modell üzembe helyezését és reproduktibilitását kezelik
14 Órák
