เครื่องมือการเรียนรู้แบบจำลอง การนำไปใช้และระบบการผลิต

การสร้างแบบจำลองการเรียนรู้เครื่องที่มีประสิทธิภาพสูงเป็นเพียงครึ่งหนึ่งของการต่อสู้เท่านั้น ค่าที่แท้จริงจะถูกตระหนักเมื่อแบบจำลองนั้นมีชีวิตและให้บริการการคาดการณ์ในสภาพแวดล้อมของโลกจริง นักปฏิบัติการหลายคนพยายามที่จะย้ายงานของพวกเขาออกจากสมุดบันทึกการทดลองและเข้าสู่ระบบที่เชื่อถือได้และปรับขนาดได้ซึ่งโปรแกรมอื่น ๆ สามารถใช้ได้ หลักสูตรนี้ให้เส้นทางที่ชัดเจนในการเปลี่ยนโค้ดการทดลองเป็นซอฟต์แวร์ระดับมืออาชีพ คุณจะเรียนรู้วิธีการทางวิศวกรรมที่จำเป็น ที่จะสร้าง แพคเกจ และดูแลระบบการเรียนรู้ของเครื่อง ที่จะสามารถทำซ้ำได้ และพร้อมสำหรับการรวมเข้าด้วยกัน คุณจะเรียนรู้อะไร - เข้าใจหลักการของการเรียนรู้ของเครื่อง ตั้งแต่การวิจัยจนถึงการใช้งาน - เปลี่ยนแปลงโน้ตบุ๊ค Jupyter เป็นโครงสร้างโค้ดผลิตแบบโมดูล โดยใช้หลักการของการมุ่งเป้าไปที่วัตถุ - ทดสอบ, ทำบันทึก และตรวจสอบเวอร์ชั่น เพื่อมั่นใจว่าโมเดลมีความน่าเชื่อถือและสามารถทำซ้ำได้ - แพคเกจแบบจำลองการเรียนรู้ของเครื่องและให้บริการผ่าน API ที่ปรับขนาดได้ - ใช้การรวมและส่งมอบอย่างต่อเนื่อง (CI/CD) สำหรับอัปเดตแบบจำลองอัตโนมัติ - ใช้การจัดเก็บข้อมูลด้วย Docker เพื่อสร้างสภาพแวดล้อมที่สม่ำเสมอในแพลตฟอร์มต่าง ๆ - ติดตามผลการทำงานและสุขภาพของแบบจำลอง ด้วยการใช้วิธีการสังเกตการณ์สมัยใหม่ หลักสูตรนี้เริ่มต้นด้วยแนวคิดพื้นฐานของการใช้งานแบบจำลองและการสร้างแบบจำลองใหม่ก่อนที่จะย้ายไปยังความสามารถในการปรับปรุงโค้ด การทดสอบ และการทำเป็นคอนเทนเนอร์ คุณจะพัฒนาจากการเขียนสคริปต์ง่าย ๆ ไปสู่การเข้าใจระบบท่อส่งข้อมูลอัตโนมัติที่จัดการการประมวลผลข้อมูลและบริการแบบจำลอง หลักสูตรนี้ถูกออกแบบมาสำหรับนักวิทยาศาสตร์ข้อมูลและนักพัฒนาซอฟต์แวร์ที่มีความฝันที่จะเป็นผู้เชี่ยวชาญในสาขา MLOps และต้องการเรียนรู้วิธีการใช้โมเดลของพวกเขาในการทำงาน โดยไม่ต้องมีประสบการณ์การใช้งานมาก่อน เริ่มสร้างระบบการเรียนรู้เครื่อง ที่จะพร้อมสำหรับการผลิตในวันนี้