Entwicklung skalierbarer Machine Learning-Systeme

Die Erstellung eines Machine-Learning-Modells ist nur ein Schritt. Die Bereitstellung und Wartung im großen Maßstab erfordert andere Fähigkeiten. Dieser Kurs vermittelt Ihnen das grundlegende Verständnis für das Entwerfen, Entwickeln und Evaluieren von Machine-Learning-Systemen, die mit steigenden Datenvolumina und Benutzerdatenverkehr umgehen können, um sicherzustellen, dass Ihre Modelle einen konsistenten Wert liefern. Was Sie lernen werden: * Verstehen Sie den Lebenszyklus eines Machine Learning-Systems, von der Problemdefinition bis zur Wartung. * Entwerfen von Systemarchitekturen für Datenaufnahme, Modelltraining, Inferenz und Überwachung. * Anwenden von Strategien zur Sicherstellung der Datenqualität, des Feature Engineering und der Modellversionierung. * Bewerten Sie die Modellleistung und den Systemzustand mit geeigneten Metriken und Feedbackschleifen. * Implementieren Sie grundlegende MLOps-Prinzipien für die kontinuierliche Integration und Bereitstellung von ML-Modellen. * Erkunden Sie grundlegende Konzepte der Modellbereitstellung und des API-Designs für ML-Anwendungen. Der Kurs beginnt mit Kernkonzepten und Problemformulierungen und geht dann über architektonische Designmuster, Datenhandhabung, Modelllebenszyklusmanagement und Systemevaluierung. Dieser Kurs richtet sich an Anfänger im Bereich Machine Learning oder Softwareentwicklung, die verstehen möchten, wie ML-Lösungen in einer Produktionsumgebung entwickelt und betrieben werden können, ohne dass Vorkenntnisse im Systemdesign erforderlich sind. Beginnen Sie Ihre Reise, um sich im Design skalierbarer Machine-Learning-Systeme zu verbessern.