Kurzusleírás

Bevezetés

  • Machine Learning modellek kontra hagyományos szoftverek

A DevOps munkafolyamat áttekintése

A Machine Learning munkafolyamat áttekintése

ML Code Plus adatként

Az ML rendszer összetevői

Esettanulmány: A Sales Forecasting alkalmazás

Accessadatokat

Adatok érvényesítése

Adatátalakítás

A Data Pipeline-tól az ML Pipeline-ig

Az adatmodell felépítése

A modell képzése

A modell érvényesítése

A modellképzés reprodukálása

Modell bevezetése

Betanított modell kiszolgálása a gyártásban

ML rendszer tesztelése

Folyamatos kézbesítési hangszerelés

A modell figyelése

Adatverzió

Egy MLOps platform adaptálása, méretezése és karbantartása

Hibaelhárítás

Összefoglalás, és következtetés

Követelmények

  • A szoftverfejlesztési ciklus megértése
  • Tapasztalja meg Machine Learning modellek építését vagy munkáját
  • Ismerkedés a Python programozással

Közönség

  • ML mérnökök
  • DevOps mérnökök
  • Adatmérnökök
  • Infrastruktúra mérnökök
  • Szoftverfejlesztők
 35 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (3)

Közelgő kurzusok

Rokon kategóriák