MLOps Foundations: Deploying and Monitoring Machine Learning in the Cloud (bằng tiếng Anh).

Xây dựng một mô hình học máy chỉ là bước đầu tiên; thách thức thực sự nằm ở việc triển khai, quy mô và duy trì nó trong một môi trường sản xuất. Nhiều nhà khoa học dữ liệu tham vọng phải vật lộn để khép lại khoảng cách giữa một máy tính bảng địa phương và một hệ thống đám mây tự động đáng tin cậy. Lớp học chỉ có văn bản này cung cấp một con đường rõ ràng để hiểu và áp dụng các hoạt động học máy (MLOps). Bạn sẽ chuyển từ viết mã mô hình cơ bản sang thiết kế các đường ống tự động xử lý xác minh dữ liệu, đào tạo mô hình, triển khai và theo dõi hiệu suất thời gian thực. Bạn sẽ học được gì: Hiểu các khái niệm cơ bản của MLOps và chu kỳ sống của hệ thống học máy sản xuất; Cấu hình các đường ống tự động cho tích hợp liên tục và giao tiếp liên tục (CI / CD) của mô hình ML; Thực hiện các chiến lược giám sát và quan sát mô hình để phát hiện sự trôi dạt dữ liệu và suy giảm hiệu suất; Apply containerization Các nguyên tắc cơ bản để gói các mô hình một cách nhất quán cho triển khai đám mây; Quản lý các phiên bản mô hình và siêu dữ liệu sử dụng một đăng ký mô hình tập trung. Chương trình bắt đầu với thuật ngữ nền tảng, so sánh DevOps truyền thống với MLOps, trước khi hướng dẫn bạn qua thiết kế đường ống dữ liệu, mô hình triển khai mô hình và chiến lược giám sát sau triển khai. Bạn sẽ đọc các giải thích cấu trúc và phân tích các kịch bản kiến trúc thế giới thực để xây dựng kỹ năng triển khai đám mây của bạn. Lớp học này được thiết kế cho các nhà khoa học dữ liệu mới bắt đầu, kỹ sư phần mềm và quản trị viên hệ thống tìm kiếm để nhập vào lĩnh vực MLOps, bắt đầu với những điều cơ bản tuyệt đối và không yêu cầu kinh nghiệm trước đó với các hoạt động đám mây. Bắt đầu đọc hôm nay để xây dựng hệ thống học máy đáng tin cậy, có thể mở rộng trong đám mây.