Course Outline

Εισαγωγή

  • Machine Learning μοντέλα έναντι παραδοσιακού λογισμικού

Επισκόπηση της ροής εργασίας DevOps

Επισκόπηση της ροής εργασίας Machine Learning

ML ως δεδομένα Code Plus

Στοιχεία ενός συστήματος ML

Μελέτη περίπτωσης: A Sales Forecasting Εφαρμογή

Accessing Data

Επικύρωση δεδομένων

Μετασχηματισμός Δεδομένων

Από τον αγωγό δεδομένων στον αγωγό ML

Κατασκευή του μοντέλου δεδομένων

Εκπαίδευση του Μοντέλου

Επικύρωση του μοντέλου

Reproducing Model Training

Ανάπτυξη μοντέλου

Εξυπηρέτηση εκπαιδευμένου μοντέλου στην παραγωγή

Δοκιμή συστήματος ML

Ενορχήστρωση Συνεχούς Παράδοσης

Παρακολούθηση του Μοντέλου

Εκδόσεις δεδομένων

Προσαρμογή, κλιμάκωση και διατήρηση μιας MLOps πλατφόρμας

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Κατανόηση του κύκλου ανάπτυξης λογισμικού
  • Απολαύστε εμπειρία κατασκευής ή εργασίας με Machine Learning μοντέλα
  • Εξοικείωση με τον προγραμματισμό Python

Ακροατήριο

  • Μηχανικοί ML
  • DevOps μηχανικοί
  • Μηχανικοί δεδομένων
  • Μηχανικοί υποδομής
  • προγραμματιστές λογισμικού
 35 Hours

Number of participants


Price per participant

Testimonials (3)

Upcoming Courses

Related Categories