Zautomatyzowane wdrażanie i ocena uczenia maszynowego

Przeniesienie modelu uczenia maszynowego z lokalnego notebooka do środowiska produkcyjnego może być delikatnym, ręcznym procesem podatnym na błędy. Ten kurs uczy, jak tworzyć zautomatyzowane potoki, które bezpiecznie i spójnie oceniają, pakują i wdrażają modele. Będziesz przechodzić z ręcznego przekazywania modeli do nowoczesnego przepływu pracy MLOps. Czytając nasze uporządkowane wyjaśnienia i analizując praktyczne przykłady konfiguracji i kodu, zrozumiesz, jak skonfigurować ciągłą integrację, uruchomić zautomatyzowane testy ewaluacyjne i monitorować wydajność modelu w produkcji. Czego się nauczysz: - Zrozum podstawowe fazy cyklu życia MLOps i strategie wdrażania modeli. - Zautomatyzuj testowanie i walidację modelu, aby zapewnić, że wydajność nie ulegnie pogorszeniu przed wydaniem. - Skonfiguruj potoki CI / CD, aby automatycznie pakować i wdrażać modele. - Zastosuj monitorowanie modelu i podstawowe techniki obserwacji w celu wykrycia dryfu w produkcji. - Wdrażaj kontrolę wersji zarówno dla kodu, jak i artefaktów modelu, aby zapewnić odtwarzalność. Zaczynamy od podstawowej terminologii i podstawowych koncepcji wdrażania, a następnie krok po kroku przechodzimy przez zautomatyzowane testowanie, pakowanie i integrację potoków. Ten kurs jest przeznaczony dla początkujących naukowców zajmujących się danymi, inżynierów oprogramowania i początkującym praktykom MLOps. Nie jest wymagane wcześniejsze doświadczenie w zakresie wdrażania. Zacznij budować solidne, zautomatyzowane potoki wdrażania już dziś.