Tworzenie potoków ML w Google Cloud

W miarę przechodzenia modeli uczenia maszynowego z notebooków eksperymentalnych do produkcyjnych ręczne wdrażanie szybko staje się niemożliwe. Automatyzacja tych procesów za pomocą uporządkowanych potoków jest kluczem do budowania niezawodnych, powtarzalnych i skalowalnych systemów AI. Ten kurs tekstowy przeprowadzi Cię przez podstawowe koncepcje operacji uczenia maszynowego (MLOps) i architektury potoków opartych na chmurze. Zdobędziesz umiejętności potrzebne do konceptualizacji, pisania i organizowania solidnych potoków ML, które automatyzują przygotowanie danych, szkolenie i wdrażanie modeli w Google Cloud. Co się nauczysz: Zrozumienie podstawowych pojęć MLOps i cyklu życia zautomatyzowanych potoków ML; Konfiguruj pobieranie danych, przetwarzanie wstępne i etapy szkolenia modelu jako komponenty potoku wielokrotnego użytku; Wdrażaj i organizuj przepływy pracy za pomocą Vertex AI Pipelines; Śledź metadane potoku, artefakty i historię wykonania, aby uzyskać pełną widoczność linii; Wdrożyć podstawowe zasady monitorowania modelu i ciągłej integracji systemów ML. Począwszy od podstawowej terminologii potoku i konfiguracji chmury, ten kurs prowadzi krok po kroku przez pisemne wyjaśnienia i praktyczne fragmenty kodu. Przejdziesz od prostych lokalnych procesów do w pełni zautomatyzowanych wdrożeń w chmurze. Ten kurs jest przeznaczony dla początkujących inżynierów ML, naukowców zajmujących się danymi i początkującymi w chmurze, którzy chcą przejść ze skryptów statycznych do zautomatyzowanych przepływów pracy. Nie jest wymagane wcześniejsze doświadczenie w inżynierii chmury. Zacznij czytać już dziś, aby opanować podstawy potoków ML w chmurze.