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
Devstral és Mistral Modellek Bevezetése
- Mistral nyílt forrású modelljeinek áttekintése
- Apache-2.0 licenc és vállalati alkalmazás
- Devstral szerepe a kódolási és ügynöki munkafolyamatokban
Mistral és Devstral Modellek Ön-házirendelése
- Környezet előkészítése és infrastruktúra választások
- Docker/Kubernetes konténerizáció és telepítés
- Skálázási szempontok a termelési használathoz
Finomhangolási Technikák
- Felügyelt finomhangolás vs. paraméterhatékony finomhangolás
- Adathalmaz előkészítése és tisztítása
- Tartományspecifikus customizálási példák
Model Ops és Verziókezelés
- A model élettartam-kezelés legjobb gyakorlatai
- Model verziókezelés és visszaállási stratégiák
- CI/CD pipelinek ML modelljeihez
Governing and Compliance
- Biztonsági szempontok nyílt forrású telepítéshez
- Monitoring és auditability vállalati kontextusban
- Compliance keretek és felelős AI gyakorlatok
Monitoring és Obszervabilitás
- Model drift és pontatlanság romlásának követése
- Inference teljesítményének eszközök
- Értesítési és válaszfolyamatok
Eseményvizsgálatok és Legjobb Gyakorlatok
- Mistral és Devstral adaptálás ipari esetek
- Költség, teljesítmény és kontroll egyensúlyozása
- Nyílt forrású Model Ops tapasztalatokból tanulás
Összegzés és Következő lépések
Követelmények
- Gépesített tanulási folyamatok megértése
- Pyton alapú ML keretrendszerek tapasztalata
- Ismeret a konténerizálással és telepítési környezetekkel
Célközönség
- ML mérnökök
- Adatplatform-csapatok
- Kutatómérnökök
14 Órák