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 Devstral és Mistral Modellekbe
- A Mistral nyílt forráskódú modelljeinek áttekintése
- Apache-2.0 licenc és vállalati alkalmazás
- A Devstral szerepe a kódolásban és az ügynök-alapú munkafolyamatokban
Mistral és Devstral Modellek Önhostingja
- Környezet előkészítése és infrastruktúra választások
- Konténerizálás és üzembe helyezés Docker/Kubernetes segítségével
- Skálázási szempontok éles használathoz
Finomhangolási Technikák
- Felügyelt finomhangolás vs. paraméterhatékony finomhangolás
- Adathalmaz előkészítése és tisztítása
- Területspecifikus testreszabási példák
Model Ops és Verziókezelés
- Legjobb gyakorlatok a modell életciklus-kezeléshez
- Modell verziókezelés és visszaállítási stratégiák
- CI/CD folyamatok ML modellekhez
Irányítás és Megfelelőség
- Biztonsági szempontok nyílt forráskódú üzembe helyezéshez
- Monitorozás és ellenőrizhetőség vállalati környezetben
- Megfelelőségi keretrendszerek és felelős AI gyakorlatok
Monitorozás és Megfigyelhetőség
- Modell drift és pontosság romlásának követése
- Inferencia teljesítmény mérésére szolgáló eszközök
- Riasztási és válaszfolyamatok
Esettanulmányok és Legjobb Gyakorlatok
- Ipari használati esetek a Mistral és Devstral alkalmazásában
- Költség, teljesítmény és irányítás egyensúlya
- Tapasztalatok a nyílt forráskódú Model Ops-ból
Összefoglalás és Következő Lépések
Követelmények
- Gépi tanulási munkafolyamatok ismerete
- Tapasztalat Python-alapú ML keretrendszerekben
- Ismeret a konténerizálás és üzembe helyezési környezetek terén
Közönség
- ML mérnökök
- Adatplatform csapatok
- Kutatómérnökök
14 Órák