Производственные системы машинного обучения: разработка масштабируемых облачных систем ML

Перенос модели машинного обучения из локальной среды в готовую к производству систему требует смены мышления от простого предсказания до надежной системной архитектуры. Этот текстовый курс поможет вам освоить основные принципы проектирования, развертывания и обслуживания высокопроизводительных систем машинного образования на облачных платформах. Вы перейдете от написания базового кода модели к пониманию того, как работают целые конвейеры ML в масштабе, готовя вас к эффективному сотрудничеству в современной облачной инфраструктуре. Что вы узнаете: - Понять основные различия между статическими и динамическими стратегиями обучения и вывода. - Исследуйте распределенные архитектуры обучения с использованием TensorFlow и специализированного оборудования, такого как TPU. - Разрабатывать автоматизированные конвейеры, которые обрабатывают ввод данных, обучение модели и непрерывное развертывание. - Применять современные MLOps передовые методы для мониторинга модели, обнаружения дрейфа и отслеживания производительности. - Настройка масштабируемой обслуживающей инфраструктуры для обработки прогнозов в реальном времени и пакетных прогнозов. Курс начинается с основных определений производственных систем ML, затем вы пройдете пошаговое обучение парадигмам, распределенным вычислениям и мониторингу моделей в реальном времени. Этот курс предназначен для начинающих инженеров машинного обучения, ученых, работающих с данными, и разработчиков, не знакомых с облачным развертыванием. Для его прохождения не требуется предыдущего опыта работы в производственной среде.