Verwalten von Machine Learning-Lebenszyklen mit MLflow

Die Erstellung von Machine-Learning-Modellen ist nur die halbe Miete. Das Nachverfolgen von Experimenten, das Reproduzieren von Ergebnissen und das Bereitstellen von Modellen in der Produktion kann schnell chaotisch werden. Ohne einen strukturierten Workflow wird die Verwaltung von Codeversionen, Hyperparametern und Modellartefakten zu einem großen Engpass. Dieser textbasierte Kurs führt Sie durch die Kernkomponenten von MLflow, einer Open-Source-Plattform, die für das Management des End-to-End-Lebenszyklus von Machine Learning entwickelt wurde.Sie lernen, wie Sie Experimente systematisch verfolgen, Ihren Code für die Reproduzierbarkeit verpacken und Modelle mit Zuversicht bereitstellen. Was Sie lernen werden: - Verstehen Sie die grundlegenden Konzepte des Lebenszyklus des maschinellen Lernens und der Architektur von MLflow. - Verfolgen Sie Experimente, Parameter, Metriken und Artefakte mit MLflow Tracking und automatischer Protokollierung. - Verpacken Sie Machine Learning-Code in wiederverwendbare, reproduzierbare Ausführungen mit MLflow-Projekten. - Verwalten, Versionieren und Übertragen von Modellen durch verschiedene Phasen mit der MLflow Model Registry. - Bereitstellen trainierter Modelle in Produktionsumgebungen mit MLflow Models. - Wenden Sie moderne MLflow-Funktionen an, um Modelle auszuwerten und große Sprachmodell-Eingabeaufforderungen und -ausgaben zu verfolgen. Sie lernen zunächst die grundlegenden Konzepte und die Terminologie des Lebenszyklus von Machine Learning kennen, bevor Sie sich mit schriftlichen Erläuterungen und praktischen Code-Snippets für jede Kernkomponente von MLflow vertraut machen. Dieser Kurs richtet sich an Data Scientists, Machine Learning Engineers und Entwickler, die grundlegende Python- und Machine Learning-Konzepte verstehen, aber ihre Workflows organisieren und skalieren möchten.Es sind keine Vorkenntnisse mit MLflow erforderlich. Organisieren Sie Ihre Machine-Learning-Projekte und erstellen Sie reproduzierbare Workflows.