WalkSelf · AI, Technologia i Inżynieria · AI i Uczenie Maszynowe

MLOps (Operacje Uczenia Maszynowego)

Poznaj zasady i praktyki wdrażania, monitorowania i utrzymywania modeli uczenia maszynowego w środowisku produkcyjnym. Zniweluj lukę między data science a DevOps.

MLOps (Operacje Uczenia Maszynowego)

Podstawy MLOps: Wdrażanie i monitorowanie modeli uczenia maszynowego

Wdrażanie modelu uczenia maszynowego i potoki produkcyjne

Uczenie maszynowe i usługi MLOps na platformie Azure: tworzenie i wdrażanie modeli ML

Wprowadzenie do MLOps: tworzenie i wdrażanie potoków za pomocą platformy Azure

Wdrażanie modelu uczenia maszynowego za pomocą Pythona i Docker

Certyfikacja inżyniera uczenia maszynowego w chmurze

Data Science i uczenie maszynowe z aplikacjami w świecie rzeczywistym

Uczenie maszynowe i TensorFlow w infrastrukturze chmury

Uczenie maszynowe Keras: budowanie, szkolenie i wdrażanie na platformie chmurowej

Skalowalne uczenie maszynowe i podstawy Big Data

Azure Machine Learning: tworzenie rozwiązań i zarządzanie nimi

Podstawowe MLOps z platformami chmurowymi

Wdrażanie modelu uczenia maszynowego

Podstawy analizy danych w chmurze i uczenia maszynowego

Budowanie modeli uczenia maszynowego za pomocą TensorFlow w chmurze

Azure Data Science i Machine Learning na egzaminie DP-100

Podstawy usługi Azure AI i uczenia maszynowego

Podstawy infrastruktury AI Cloud Platform

Przepływ pracy uczenia maszynowego: od danych do wdrożenia

Uczenie maszynowe z Spark ML: budowanie skalowalnych modeli