Course Code: mlops
Duration: 35 hours
Prerequisites:
  • Zrozumienie cyklu rozwoju oprogramowania
  • Doświadczenie w budowaniu lub pracy z modelami Machine Learning
  • Znajomość programowania Python

Publiczność

  • Inżynierowie ML
  • Inżynierowie DevOps
  • Inżynierowie danych
  • Inżynierowie infrastruktury
  • Deweloperzy oprogramowania
Overview:

MLOps to zestaw narzędzi i metodologii łączących praktyki Machine Learning i DevOps. Celem MLOps jest automatyzacja i optymalizacja wdrażania i utrzymania systemów ML w produkcji.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla inżynierów, którzy chcą ocenić dostępne obecnie podejścia i narzędzia, aby podjąć inteligentną decyzję dotyczącą dalszej drogi do przyjęcia MLOps w swojej organizacji.

Pod koniec tego szkolenia uczestnicy będą mogli

  • Zainstalować i skonfigurować różne MLOps frameworki i narzędzia.
  • Zebrać odpowiedni zespół z odpowiednimi umiejętnościami do budowy i wspierania systemu MLOps.
  • Przygotowywać, weryfikować i wersjonować dane do wykorzystania przez modele ML.
  • Zrozumienie komponentów potoku uczenia maszynowego i narzędzi potrzebnych do jego zbudowania.
  • Eksperymentowanie z różnymi frameworkami uczenia maszynowego i serwerami w celu wdrożenia do produkcji.
  • Zoperacjonalizuj cały proces Machine Learning, aby można go było odtworzyć i utrzymać.

Format kursu

  • Interaktywny wykład i dyskusja.
  • Wiele ćwiczeń i praktyki.
  • Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

  • Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami.
Course Outline:

Wprowadzenie

  • Modele Machine Learning a tradycyjne oprogramowanie

Przegląd DevOps przepływu pracy

Przegląd przepływu pracy Machine Learning

ML jako kod plus dane

Składniki systemu uczenia maszynowego

Studium przypadku: Aplikacja sprzedażowa Forecasting

Dane Access

Weryfikacja danych

Transformacja danych

Od potoku danych do potoku uczenia maszynowego

Budowanie modelu danych

Trenowanie modelu

Walidacja modelu

Odtwarzanie treningu modelu

Wdrażanie modelu

Dostarczanie wytrenowanego modelu do produkcji

Testowanie systemu uczenia maszynowego

Orkiestracja ciągłego dostarczania

Monitorowanie modelu

Wersjonowanie danych

Dostosowywanie, skalowanie i utrzymywanie platformy MLOps

Rozwiązywanie problemów

Podsumowanie i wnioski

Sites Published:

United Arab Emirates - MLOps: CI/CD for Machine Learning

Qatar - MLOps: CI/CD for Machine Learning

Egypt - MLOps: CI/CD for Machine Learning

Saudi Arabia - MLOps: CI/CD for Machine Learning

South Africa - MLOps: CI/CD for Machine Learning

Brasil - MLOps: CI/CD for Machine Learning

Canada - MLOps: CI/CD for Machine Learning

中国 - MLOps: CI/CD for Machine Learning

香港 - MLOps: CI/CD for Machine Learning

澳門 - MLOps: CI/CD for Machine Learning

台灣 - MLOps: CI/CD for Machine Learning

USA - MLOps: CI/CD for Machine Learning

Österreich - MLOps: CI/CD for Machine Learning

Schweiz - MLOps: CI/CD for Machine Learning

Deutschland - MLOps: CI/CD for Machine Learning

Czech Republic - MLOps: CI/CD for Machine Learning

Denmark - MLOps: CI/CD for Machine Learning

Estonia - MLOps: CI/CD for Machine Learning

Finland - MLOps: CI/CD for Machine Learning

Greece - MLOps: CI/CD for Machine Learning

Magyarország - MLOps: CI/CD for Machine Learning

Ireland - MLOps: CI/CD for Machine Learning

Luxembourg - MLOps: CI/CD for Machine Learning

Latvia - MLOps: CI/CD for Machine Learning

España - MLOps: CI/CD for Machine Learning

Italia - MLOps: CI/CD for Machine Learning

Lithuania - MLOps: CI/CD for Machine Learning

Nederland - MLOps: CI/CD for Machine Learning

Norway - MLOps: CI/CD for Machine Learning

Portugal - MLOps: CI/CD for Machine Learning

România - MLOps: CI/CD for Machine Learning

Sverige - MLOps: CI/CD for Machine Learning

Türkiye - MLOps: CI/CD for Machine Learning

Malta - MLOps: CI/CD for Machine Learning

Belgique - MLOps: CI/CD for Machine Learning

France - MLOps: CI/CD for Machine Learning

日本 - MLOps: CI/CD for Machine Learning

Australia - MLOps: CI/CD for Machine Learning

Malaysia - MLOps: CI/CD for Machine Learning

New Zealand - MLOps: CI/CD for Machine Learning

Philippines - MLOps: CI/CD for Machine Learning

Singapore - MLOps: CI/CD for Machine Learning

Thailand - MLOps: CI/CD for Machine Learning

Vietnam - MLOps: CI/CD for Machine Learning

Argentina - MLOps: CI/CD for Machine Learning

Chile - MLOps: CI/CD for Machine Learning

Costa Rica - MLOps: CI/CD for Machine Learning

Ecuador - MLOps: CI/CD for Machine Learning

Guatemala - MLOps: CI/CD for Machine Learning

Colombia - MLOps: CI/CD for Machine Learning

México - MLOps: CI/CD for Machine Learning

Panama - MLOps: CI/CD for Machine Learning

Peru - MLOps: CI/CD for Machine Learning

Uruguay - MLOps: CI/CD for Machine Learning

Venezuela - MLOps: CI/CD for Machine Learning

Polska - MLOps: CI/CD for Machine Learning

United Kingdom - MLOps: CI/CD for Machine Learning

South Korea - MLOps: CI/CD for Machine Learning

Bulgaria - MLOps: CI/CD for Machine Learning

Bolivia - MLOps: CI/CD for Machine Learning

Indonesia - MLOps: CI/CD for Machine Learning

Kazakhstan - MLOps: CI/CD for Machine Learning

Moldova - MLOps: CI/CD for Machine Learning

Morocco - MLOps: CI/CD for Machine Learning

Tunisia - MLOps: CI/CD for Machine Learning

Kuwait - MLOps: CI/CD for Machine Learning

Oman - MLOps: CI/CD for Machine Learning

Slovakia - MLOps: CI/CD for Machine Learning

Kenya - MLOps: CI/CD for Machine Learning

Nigeria - MLOps: CI/CD for Machine Learning

Botswana - MLOps: CI/CD for Machine Learning

Slovenia - MLOps: CI/CD for Machine Learning

Croatia - MLOps: CI/CD for Machine Learning

Serbia - MLOps: CI/CD for Machine Learning

Bhutan - MLOps: CI/CD for Machine Learning

Nepal - MLOps: CI/CD for Machine Learning

Uzbekistan - MLOps: CI/CD for Machine Learning