联系我们
 课程时长 14 小时

课程大纲

Devstral和Mistral模型简介

  • Mistral开源模型概览
  • Apache-2.0许可及企业级采用
  • Devstral在编码和智能体工作流中的角色

自托管Mistral和Devstral模型

  • 环境准备和基础设施选择
  • 使用Docker/Kubernetes进行容器化和部署
  • 生产环境下的扩展性考量

微调技术

  • 监督微调与参数高效调优的比较
  • 数据集准备与清洗
  • 特定领域的定制化示例

模型运维与版本控制

  • 模型生命周期管理的最佳实践
  • 模型版本控制与回滚策略
  • ML模型的CI/CD管线

治理与合规

  • 开源部署的安全考量
  • 企业场景下的监控与可审计性
  • 合规框架与负责任AI实践

监控与可观测性

  • 跟踪模型漂移及精度退化
  • 推理性能的仪器化
  • 告警与响应工作流

案例研究与最佳实践

  • Mistral和Devstral采用的行业用例
  • 平衡成本、性能与控制力
  • 开源模型运维的经验教训

总结与后续步骤

要求

  • 理解机器学习工作流
  • 具备基于Python的ML框架经验
  • 熟悉容器化和部署环境

目标受众

  • ML工程师
  • 数据平台团队
  • 研究工程师

即将举行的公开课程

课程分类