Kurzusleírás

Bevezetés

  • Gépi tanulási modellek vs hagyományos szoftverek

A DevOps munkafolyamat áttekintése

A gépi tanulási munkafolyamat áttekintése

ML mint kód plusz adat

Egy ML rendszer összetevői

Esettanulmány: Egy értékesítési előrejelzési alkalmazás

Adatok elérése

Adatok ellenőrzése

Adatok átalakítása

Az adatfolyamtól az ML folyamatig

Az adatmodell felépítése

A modell betanítása

A modell ellenőrzése

A modell képzésének reprodukálása

Modell üzembe helyezése

Egy betanított modell kiszolgálása a termelésben

Egy ML rendszer tesztelése

Folyamatos szállítás szervezése

A modell monitorozása

Adatverziókezelés

Egy MLOps platform adaptálása, skálázása és karbantartása

Hibaelhárítás

Összefoglalás és befejezés

Követelmények

  • A szoftverfejlesztési ciklus ismerete
  • Tapasztalat gépi tanulási modellek építésében vagy használatában
  • Ismeret a Python programozás terén

Közönség

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

Résztvevők száma


Ár per résztvevő

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák