WalkSelf · KI, Technologie & Ingenieurwesen · KI & Machine Learning

MLOps (Machine Learning Operations)

Lernen Sie die Prinzipien und Praktiken für die Bereitstellung, Überwachung und Wartung von Machine-Learning-Modellen in der Produktion. Schließen Sie die Lücke zwischen Data Science und DevOps.

MLOps (Machine Learning Operations)

Modelltraining und -verwaltung mit Azure Machine Learning

Modellverwaltung und verantwortungsbewusste KI in Azure Machine Learning

Data Science und Machine Learning in Fabric

MLOps Foundations: Operationalisierung von Machine Learning Modellen

Azure Machine Learning: Modelltraining und -experimentieren

Erstellen von Machine Learning-Lösungen mit Azure Databricks

Einführung in MLOps: Entwerfen und Bereitstellen von Machine Learning-Pipelines

Modellbereitstellung und -nutzung in Azure Machine Learning

Modelltrainingsoptimierung mit Azure Machine Learning

Verwalten von Azure Machine Learning-Arbeitsbereichen: Einrichten und Konfigurieren

Machine Learning mit Azure Databricks: Erstellen und Bereitstellen von ML-Modellen

Testen und Automatisieren von ML-Pipelines

Python-Skripting für die Cloud-Workflow-Automatisierung

Automatisierung von ML-Pipelines für Performance mit scikit-learn

AutoML Foundations: Erstellen von Machine-Learning-Modellen ohne Code

AWS IoT, maschinelles Lernen und Blockchain-Integration

AWS Machine Learning und MLOps-Grundlagen

AWS Managed AI Services für Anwendungsentwickler

AWS ML-Workflows mit SageMaker, Storage und Security Essentials

AWS-Modelltraining, -optimierung und -bereitstellung

Azure ML Foundations: Bereitstellen, Verwalten und Experimentieren mit Modellen

Entwerfen und Vorbereiten von Azure ML-Lösungen

Konfigurieren von Azure Machine Learning-Arbeitsbereichen für die Vorbereitung auf DP-100

Machine Learning-Strategie: Aufbau einer ML-fähigen Organisation