感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
簡介
- 機器學習模型與傳統軟體的比較
DevOps 工作流概述
機器學習工作流概述
作為代碼與數據的 ML
ML 系統的組成部分
案例研究:銷售預測應用程序
數據訪問
數據驗證
數據轉換
從數據流程到 ML 流程
構建數據模型
訓練模型
驗證模型
複製模型訓練過程
部署模型
將已訓練的模型投入生產服務
測試 ML 系統
持續交付編排
監控模型
數據版本控制
MLOps 平台的適應、擴展與維護
故障排除
總結與結論
最低要求
- 了解軟體開發週期
- 具備構建或與機器學習模型合作的工作經驗
- 熟悉 Python 程式設計
受眾對象
- ML 工程師
- DevOps 工程師
- 數據工程師
- 基礎設施工程師
- 軟體開發人員
35 小時
客戶評論 (2)
Craig在培訓中非常投入,始終確保我們保持專注,將示例調整到我們的日常活動中,並在被提問時總是提供答案,即使信息未在演示中提及。
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
課程 - DevOps Foundation®
機器翻譯
培訓師的高度承諾和專業知識
Jacek - Softsystem
課程 - DevOps Engineering Foundation (DOEF)®
機器翻譯