Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere în modelele Devstral și Mistral
- Panoramă asupra modelelor open-source ale Mistral
- Licențierea Apache-2.0 și adoptarea la nivel de enterprise
- Rollul lui Devstral în fluxurile de codare și agente
Gazduire autonomă a modelelor Mistral și Devstral
- Pregătirea mediului și opțiuni de infrastructură
- Containerizarea și implementarea cu Docker/Kubernetes
- Considerente privind scalabilitatea pentru utilizare în producție
Tehnici de fine-tuning
- Fine-tuning supravegheat vs. tuning eficient al parametrilor
- Pregătirea și curățarea setului de date
- Exemple de personalizare specifică domeniului
Model Ops și versionare
- Practicile cele mai bune pentru gestionarea ciclului de viață al modelelor
- Versionarea modelelor și strategii de rollback
- Pipelines CI/CD pentru modele ML
Governanța și conformitatea
- Considerente de securitate pentru implementarea open-source
- Monitorizarea și auditabilitatea în contexte enterprise
- Cadre de conformitate și practici responsabile de AI
Monitorizare și observabilitate
- Urmarirea derapajului modelului și degradării acurateții
- Instrumentarea pentru performanța inferinței
- Surse de alertă și fluxuri de răspuns
Studii de caz și practici cele mai bune
- Cazuri industriale de adoptare a modelelor Mistral și Devstral
- Balanțarea costurilor, performanței și controlului
- Lecții învățate din Model Ops open-source
Rezumat și următoarele pași
Cerințe
- O înțelegere a fluxurilor de lucru ale învățării automatice
- Experiență cu cadre ML bazate pe Python
- Familiaritate cu contenerizarea și mediile de implementare
Audiență
- Ingineri ML
- Echipe platforme de date
- Ingineri de cercetare
14 ore
