Создание конвейеров машинного обучения в Google Облаке

Перенос моделей машинного обучения из локальных ноутбуков в производственные требует надежных, автоматизированных рабочих процессов. В этом курсе вы узнаете основные понятия, связанные с разработкой и запуском конвейеров машинного обучения в Google Cloud, а также управлением ими. Вы узнаете, как перейти от ручной тренировки моделей к автоматизированным, повторяемым процессам. Благодаря подробным письменным объяснениям и структурированным обзорам кода вы приобретете практические навыки, необходимые для структурирования ввода данных, обучения моделей и развертывания с использованием отраслевых стандартных инструментов облачного хранения. Что вы узнаете: основные понятия и термины конвейера машинного обучения; создание автоматизированных рабочих процессов обучения с помощью TensorFlow и инструментов облачной оркестрации; внедрение отслеживания метаданных и линейного анализа для мониторинга выполнения конвейеров; настройка этапов ввода и предварительной обработки данных для масштабируемого обучения. Применять основные методы MLOps для поддержания и обновления производственных конвейеров. Курс начинается с основных определений и архитектуры конвейера, а затем пошагово описывает реализации кода для каждого этапа конвейеров. Вы изучите практические примеры подготовки данных, оркестрации обучения моделей и автоматизированного развертывания. Этот курс предназначен для начинающих инженеров ML, ученых данных и разработчиков, которые только начинают работать с облачными рабочими процессами, без предварительного опыта работы с облачной инженерией. Начните читать сегодня, чтобы создать свой первый готовый к производству конвейер машинного обучения в облаке.