Cơ sở của MLOps: CI / CD, API và triển khai Machine Learning

Chuyển đổi một mô hình học máy từ một máy tính bảng địa phương sang một môi trường sản xuất đáng tin cậy đòi hỏi một tập hợp chuyên biệt các thực tiễn kỹ thuật phần mềm. Lớp học dựa trên văn bản này hướng dẫn bạn qua các khái niệm cốt lõi của MLOps, nối kết khoảng cách giữa khoa học dữ liệu và DevOps hoạt động. Bạn sẽ học cách tự động hóa chu kỳ sống của các mô hình học máy, từ kiểm soát phiên bản và tích hợp liên tục đến triển khai API có thể mở rộng và thiết lập hệ thống giám sát cơ bản. Bạn sẽ học được: - Hiểu các nguyên tắc cơ bản của MLOps và chu kỳ học máy. - Tạo API sạch, hiệu suất cao cho mô hình phục vụ sử dụng các khung hiện đại như FastAPI. - Cấu hình các đường ống CI / CD để tự động hóa kiểm tra, xác minh và giao hàng mô hình. - Containerize ứng dụng học máy sử dụng Docker cho các triển khai nhất quán. - Thực hiện các chiến lược giám sát và phát hiện trôi dạt cơ bản trong sản xuất. Chương trình bắt đầu với thuật ngữ thiết yếu và định nghĩa nền tảng trước khi chuyển bước qua bước qua cấu hình môi trường, thiết kế API, kiểm thử tự động và chiến lược triển khai. Luyện tập này được thiết kế cho các nhà phát triển mới, các nhà khoa học dữ liệu và các kỹ sư MLOps tham vọng tìm kiếm để hiểu các luồng công việc triển khai mà không cần kinh nghiệm DevOps trước đó. Bắt đầu xây dựng các đường ống học máy sẵn sàng sản xuất ngay hôm nay.