MLOps Fundamentals: Xây dựng và Triển khai Hệ thống ML Sản xuất

Đưa một mô hình học máy từ một notebook riêng lẻ vào một môi trường sản xuất đáng tin cậy đòi hỏi một bộ kỹ năng hoàn toàn khác so với việc chỉ huấn luyện các thuật toán. Khóa học này thu hẹp khoảng cách giữa khoa học dữ liệu và kỹ thuật phần mềm bằng cách giới thiệu các nguyên tắc cốt lõi của Machine Learning Operations (MLOps). Bạn sẽ chuyển từ việc viết các script ML thủ công sang thiết kế các quy trình học máy tự động, mạnh mẽ và có thể tái tạo. Trong suốt khóa học này, bạn sẽ hiểu cách quản lý dữ liệu, theo dõi thử nghiệm, đóng gói mô hình và giám sát hiệu suất của chúng trong các tình huống thực tế. Bạn sẽ học được: - Hiểu thuật ngữ MLOps nền tảng, các giai đoạn vòng đời và sự khác biệt cốt lõi giữa DevOps truyền thống và MLOps. - Cấu hình các quy trình dữ liệu tự động và hệ thống kiểm soát phiên bản cho cả mã và tập dữ liệu. - Theo dõi các thử nghiệm học máy, tham số và các tạo tác mô hình một cách có hệ thống. - Xây dựng các quy trình CI/CD tự động để kiểm tra, đóng gói và triển khai các mô hình bằng cách sử dụng các nguyên tắc cơ bản về container hóa. - Giám sát các mô hình sản xuất về sự trôi dạt dữ liệu, sự trôi dạt khái niệm và suy giảm hiệu suất. - Áp dụng các mẫu quan sát hiện đại để duy trì sức khỏe và độ tin cậy của hệ thống. Khóa học bắt đầu với các định nghĩa thiết yếu và các khái niệm vòng đời trước khi hướng dẫn bạn qua việc quản lý phiên bản dữ liệu, theo dõi thử nghiệm, chiến lược triển khai và giám sát liên tục. Bạn sẽ học thông qua các giải thích rõ ràng bằng văn bản, các phân tích kiến trúc và các bài tập cấu hình thực tế dựa trên văn bản. Được thiết kế cho các kỹ sư ML, nhà khoa học dữ liệu và nhà phát triển phần mềm đầy tham vọng, những người mới làm quen với hoạt động, khóa học này chỉ yêu cầu kiến thức Python cơ bản và không yêu cầu kinh nghiệm MLOps trước đó. Bắt đầu xây dựng các hệ thống học máy đáng tin cậy, tự động ngay hôm nay.