ML-Workflow-Orchestrierung mit Vertex AI Pipelines

Die Skalierung von Machine Learning von einem lokalen Notebook auf eine zuverlässige, wiederholbare Produktionspipeline ist eine der größten Herausforderungen moderner KI. Dieser textbasierte Kurs führt Sie durch den Prozess der Automatisierung und Verwaltung Ihrer ML-Workflows mit Vertex AI Pipelines. Sie werden von manuellen Modelltrainings zu vollständig orchestrierten MLOps-Pipelines übergehen und erfahren, wie Sie Datenaufnahme, Vorverarbeitung, Training und Bereitstellung in einem kohärenten, automatisierten System verbinden können, das Reproduzierbarkeit und Nachverfolgbarkeit gewährleistet. Was Sie lernen werden: - Verstehen Sie die grundlegenden MLOps-Konzepte und die Kerngeschäftstreiber hinter der Pipeline-Orchestrierung. - Erstellen Sie wiederverwendbare Pipelinekomponenten mit modernen Python-basierten SDKs. - Verfolgen Sie Pipeline-Metriken, Parameter und Artefakt-Abstammung für eine vollständige Modell-Prüfbarkeit. - Konfigurieren Sie automatisierte Trigger und integrieren Sie CI / CD-Praktiken in Ihre Machine Learning-Workflows. - Bereitstellen trainierter Modelle zur Vorhersage von Endpunkten als Teil einer nahtlosen Pipeline. Dieser Kurs beginnt mit der wesentlichen Terminologie, den Grundkonzepten und den grundlegenden Definitionen der Pipeline-Architektur, bevor Schritt für Schritt schriftliche Anleitungen und Konfigurationsbeispiele vorgestellt werden. Sie arbeiten anhand von praktischen Szenarien, lesen sich klare Erklärungen zu Pipeline-Definitionen durch und üben mit strukturierten schriftlichen Übungen. Dieser Kurs richtet sich an Data Scientists, ML-Ingenieure und Entwickler, die sich noch nicht mit Pipeline-Orchestrierung beschäftigen. Es sind keine Vorkenntnisse mit cloudbasierten MLOps erforderlich, was es zum perfekten Einstieg für Einsteiger macht. Lesen Sie noch heute weiter, um Ihre Machine-Learning-Workflows zu automatisieren und zuverlässig zu machen.