Основы MLOps: Создание и развертывание производственных систем ML

Перенос модели машинного обучения из изолированной ноутбуки в надежную производственную среду требует совершенно иного набора навыков, чем просто обучение алгоритмов. Этот курс ликвидирует разрыв между наукой о данных и программной инженерией, представляя основные принципы операций машинного обучения (MLOps). Вы перейдете от написания сценариев ML вручную к разработке автоматизированных, надежных и воспроизводимых конвейеров машинного обучения. В ходе этого курса вы узнаете, как управлять данными, отслеживать эксперименты, упаковывать модели и отслежиывать их производительность в реальных сценариях. Что вы узнаете: - Понять основополагающую терминологию MLOps, этапы жизненного цикла и основные различия между традиционными DevOps и MLOp. - Настройка автоматизированных конвейеров данных и систем контроля версий для кода и наборов данных. - Систематически отслеживайте эксперименты, параметры и артефакты модели машинного обучения. - Создание автоматизированных конвейеров CI / CD для тестирования, упаковки и развертывания моделей с использованием основ контейнеризации. - Мониторинг производственных моделей на предмет дрейфа данных, концептуального дрейф и ухудшение производительности. - Применять современные модели наблюдаемости для поддержания работоспособности и надежности системы. Курс начинается с основных определений и концепций жизненного цикла, а затем вы пройдете через версионирование данных, отслеживание экспериментов, стратегии развертывания и непрерывный мониторинг. Вы узнаете через ясные письменные объяснения, архитектурные разбивки и практические текстовые упражнения по конфигурации. Этот курс предназначен для начинающих инженеров ML, ученых данных и разработчиков программного обеспечения, начинающих работать с операциями, и требует только базовых знаний Python и отсутствия предыдущего опыта работы с MLOps. Начните создавать надежные, автоматизированные системы машинного обучения сегодня.