Lépjen kapcsolatba velünk
 Időtartalma 14 órák

Kurzusleírás

Bemutatás a Devstral és Mistral modellekhez

  • A Mistral nyílt forráskódú modellek áttekintése
  • Apache-2.0 licensz és vállalati bevezetés
  • A Devstral szerepe kódolásban és agens munkafolyamatokban

Mistral és Devstral modellek saját befoglalása

  • Környezet előkészítése és infrastruktúra-választás
  • Containerizáció és megtervezés Docker/Kubernetes-sel
  • Méretezési szempontok a gyártási használatra

Finomhangolási technikák

  • Kötvényezett finomhangolás vs paraméter-hatékonyságra hangolás
  • Adathalmazok előkészítése és tisztítása
  • Domain-specifikus egyedi módosítás példaesetek

Model Ops és verziókezelés

  • Legjobb gyakorlatok a modell-életciklus-kezeléshez
  • Modell-verziókezelés és visszavonási stratégiák
  • CI/CD pipeline-ek ML modellekhez

Kormányzás és megfelelőség

  • Biztonsági szempontok a nyílt forráskódú megtervezéshez
  • Monitoring és átláthatóság vállalati környezetben
  • Megfelelőségi keretrendszerek és felelős MI-gyakorlatok

Monitoring és megfigyelhetőség

  • Modell-eltérés és pontosságcsökkenés követése
  • Instrumentálás inferencia teljesítményhez
  • Riasztási és reagálási munkafolyamatok

Példaesetek és legjobbak gyakorlatok

  • Iparági használati esetek a Mistral és Devstral bevezetésének
  • Költség, teljesítmény és irányítás kiegyensúlyozása
  • Tanulságok a nyílt forráskódú Model Ops-ból

Összefoglaló és következő lépések

Követelmények

  • Gépértékelési folyamatok megértése
  • Tapasztalat Python-alapú ML keretrendszerekkel
  • Ismerettel containerizációval és megtervezési környezetekkel

Élőcsoport

  • ML mérnökök
  • Adatplatform-csapatok
  • Kutatómérnökök

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák