聯繫我們

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)

課程分類