Projektowanie i wdrażanie potoków ML na platformach chmurowych

Przeniesienie modelu uczenia maszynowego z lokalnego notebooka do niezawodnego, zautomatyzowanego systemu produkcyjnego wymaga solidnego projektu potoku. Ten kurs tekstowy przeprowadzi Cię przez podstawowe zasady tworzenia, wdrażania i zarządzania skalowalnymi potokami ML na nowoczesnych platformach chmurowych. Przejdziesz od ręcznego szkolenia modeli do w pełni zautomatyzowanych przepływów pracy, opanowując wzorce potrzebne do zorganizowania pobierania danych, przetwarzania wstępnego, szkoleniu i wdrażaniu. Zyskasz głębokie zrozumienie najlepszych praktyk MLOps, zapewniając, że Twoje modele pozostaną dokładne, powtarzalne i łatwe w utrzymaniu w czasie. Czego się nauczysz: - Zrozum podstawowe koncepcje potoków ML i podstawowe etapy MLOps - Zaprojektuj zautomatyzowane przepływy danych i przetwarzanie wstępne w infrastrukturze chmury - Orkiestruj zadania szkoleniowe za pomocą potoków Kubeflow i Vertex AI - Wdrażaj ciągłą integrację i ciągłe dostarczanie (CI / CD) dla modeli uczenia maszynowego - Skonfiguruj monitorowanie modelu w celu wykrycia dryfowania danych i degradacji wydajności - Ćwicz zarządzanie metadanymi i linią artefaktów w celu uzyskania pełnej odtwarzalności. Kurs zaczyna się od podstawowej terminologii i architektury potoku, zanim przejdzie do krok po kroku pisemnych przewodników dotyczących orkiestracji, automatyzacji i integracji chmury. Ten kurs jest przeznaczony dla początkujących naukowców zajmujących się danymi, inżynierów oprogramowania i aspirujących profesjonalistów MLOps, którzy chcą skalować swoje projekty uczenia maszynowego; nie jest wymagane wcześniejsze doświadczenie w potoku chmurowym. Zacznij czytać już dziś, aby przekształcić lokalne skrypty ML w gotowe do produkcji zautomatyzowane potoki.