MLOps с вершинным ИИ: Основы управления функциями

Создание моделей машинного обучения – это только половина битвы; управление данными, которые питают их в масштабе, – это то, с чем многие проекты борются. Оптимизация хранения, совместного использования и обслуживания функций машинного обучения имеет решающее значение для надежных, готовых к производству MLOp. Этот текстовый курс поможет вам освоить основные концепции управления свойствами с помощью Vertex AI и построить надежные и масштабируемые конвейеры данных. Что вы узнаете: - Понять основные принципы MLOps и роль централизованного хранилища функций. - Настройка и структура типов объектов, функций и сред хранения в Vertex AI. - Ввод и регистрация данных о признаках из различных источников данных в центральном хранилище. - Обслуживание особенностей в реальном времени для прогнозов с низкой задержкой и пакетного обслуживания для обучения модели. - Отслеживание родословной функций, метаданных и версий для обеспечения воспроизводимости конвейера. - Мониторинг дрейфа признаков и качества данных для поддержания высокой производительности модели во времени. Вы начнете с основных определений и основной архитектуры MLOps, прежде чем перейти к поэтапным письменным объяснениям процессов приема, хранения и обслуживания функций. В этом материале представлены практические шаблоны, позволяющие синхронизировать модели машинного обучения с последовательными и качественными данными. Этот курс предназначен для начинающих MLOps, инженеров данных и начинающих практиков машинного обучения, которые хотят понять современные архитектуры хранилищ функций. Для начала работы не требуется опыта работы в облаке. Начните обучение сегодня, чтобы создавать более чистые, масштабируемые конвейеры машинного обучения.