Kurzusleírás

Bevezetés

  • Gépi tanulás modellek vs hagyományos szoftverek

DevOps munkafolyamat áttekintése

Gépi tanulás munkafolyamat áttekintése

ML, mint kód és adat

Egy ML rendszer összetevői

Esettanulmány: Eladási előrejelzés alkalmazás

Adatokhoz való hozzáférés

Adatok ellenőrzése

Adattranszformáció

Adatfolyam az ML folyamra

Az adatmodell építése

A modell kiképzése

A modell ellenőrzése

Modellkiképzés ismétlésének biztosítása

Modell telepítése

Kiképzett modell szolgáltatása a termelési környezetben

ML rendszer tesztelése

Folyamat automatizálás folyamatos átadással

Modell figyelése

Adatverziózás

MLOps platform adaptálása, skálázása és karbantartása

Hibakeresés

Összegzés és záró szóc

Követelmények

  • A programozási fejlesztési ciklus megértése
  • Tapasztalat a Machine Learning modellek építésével vagy használatával
  • Ismeret a Python programozással

Célközönség

  • ML mérnökök
  • DevOps mérnökök
  • Adatmérnökök
  • Infrastruktúra mérnökök
  • Szoftverfejlesztők
 35 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák