Nền tảng MLOps với MLflow và Hugging Face

Khi machine learning chuyển từ nghiên cứu sang sản xuất, khả năng theo dõi, quản lý và triển khai mô hình một cách hiệu quả giờ đây là một kỹ năng quan trọng. Khóa học này cung cấp một lộ trình rõ ràng cho người mới bắt đầu để hiểu khía cạnh vận hành của machine learning bằng cách sử dụng hai trong số các công cụ có ảnh hưởng nhất trong lĩnh vực này. Bạn sẽ chuyển đổi từ việc chạy các script riêng lẻ sang quản lý vòng đời machine learning chuyên nghiệp một cách tự tin. Thông qua các bài học có cấu trúc dựa trên văn bản, bạn sẽ học cách duy trì khả năng tái lập, phiên bản hóa mô hình của mình và cộng tác hiệu quả bằng cách sử dụng các mẫu MLOps hiện đại. * Hiểu các nguyên tắc cốt lõi của MLOps và tầm quan trọng của việc theo dõi thử nghiệm * Cấu hình MLflow để ghi lại các tham số, chỉ số và tạo tác cho kết quả có thể tái lập * Quản lý vòng đời mô hình bằng cách sử dụng một sổ đăng ký mô hình tập trung để kiểm soát phiên bản * Khám phá Hugging Face Hub để khám phá, sử dụng và chia sẻ các mô hình và tập dữ liệu được đào tạo trước * Áp dụng các phương pháp hay nhất để tổ chức các dự án machine learning nhằm đảm bảo khả năng mở rộng * Tích hợp theo dõi mô hình vào các quy trình làm việc Python hiện có để có khả năng quan sát tốt hơn Khóa học bắt đầu với các thuật ngữ thiết yếu và các khái niệm nền tảng đằng sau MLOps trước khi chuyển sang triển khai thực tế việc theo dõi và quản lý kho lưu trữ. Bạn sẽ tiến từ việc ghi nhật ký thử nghiệm cơ bản đến phiên bản hóa mô hình và tương tác kho lưu trữ thông qua các giải thích bằng văn bản chi tiết và các ví dụ về mã. Khóa học này được thiết kế cho người mới bắt đầu trong lĩnh vực khoa học dữ liệu và machine learning, những người muốn tìm hiểu khía cạnh vận hành của lĩnh vực này; không yêu cầu kinh nghiệm trước đó với các công cụ MLOps. Bắt đầu xây dựng quy trình làm việc machine learning chuyên nghiệp và có thể tái lập hơn ngay hôm nay.