Schița de curs
Introducere
- Machine Learning modele vs software tradițional
Prezentare generală a fluxului de lucru DevOps
Prezentare generală a fluxului de lucru Machine Learning
ML ca cod plus date
Componentele unui sistem ML
Studiu de caz: O aplicație de vânzări Forecasting
Accessing Data
Validarea datelor
Transformarea datelor
De la conducta de date la conducta ML
Construirea modelului de date
Formarea modelului
Validarea modelului
Reproducerea modelului de formare
Implementarea unui model
Furnizarea unui model instruit pentru producție
Testarea unui sistem ML
Orchestrarea livrării continue
Monitorizarea modelului
Versionarea datelor
Adaptarea, extinderea și întreținerea unei platforme MLOps
Depanare
Rezumat și concluzii
Cerințe
- O înțelegere a ciclului de dezvoltare software
- Experiență în construirea sau lucrul cu modele de Machine Learning
- Familiaritate cu programarea Python .
Audiență
- IngineriiML
- DevOps ingineri
- Inginerii de date
- Inginerii de infrastructură
- Dezvoltatorii de software
Mărturii (3)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life™
Curs - Kubeflow
lucrul cu DevOps Toolchain
Kesh - Vodacom
Curs - DevOps Foundation®
Tradus de catre o masina