課程簡介

介紹

  • 機器學習模型與傳統軟件的比較

DevOps工作流程概述

機器學習工作流程概述

代碼加數據的機器學習

ML系統的組件

案例研究:銷售預測應用

訪問數據

驗證數據

數據轉換

從數據管道到ML管道

構建數據模型

訓練模型

驗證模型

重現模型訓練

部署模型

將訓練好的模型服務到生產環境

測試ML系統

持續交付編排

監控模型

數據版本控制

適應、擴展和維護MLOps平臺

故障排除

總結與結論

最低要求

  • 對軟件開發週期的理解
  • 構建或使用機器學習模型的經驗
  • 熟悉Python編程

受衆

  • ML工程師
  • DevOps工程師
  • 數據工程師
  • 基礎設施工程師
  • 軟件開發人員
 35 時間:

客戶評論 (3)

課程分類