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

代碼與數據結合的機器學習

機器學習系統的組件

案例研究:銷售預測應用

數據訪問

數據驗證

數據轉換

從數據管道到機器學習管道

構建數據模型

模型訓練

模型驗證

模型訓練的復現

模型部署

將訓練好的模型投入生產

機器學習系統測試

持續交付編排

模型監控

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

  • 瞭解軟件開發週期
  • 具備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