课程大纲

介绍

  • 机器学习模型与传统软件的比较

DevOps工作流程概述

机器学习工作流程概述

代码与数据结合的机器学习

机器学习系统的组件

案例研究:销售预测应用

数据访问

数据验证

数据转换

从数据管道到机器学习管道

构建数据模型

模型训练

模型验证

模型训练的复现

模型部署

将训练好的模型投入生产

机器学习系统测试

持续交付编排

模型监控

数据版本控制

适应、扩展和维护MLOps平台

故障排除

总结与结论

要求

  • 了解软件开发周期
  • 具备构建或使用机器学习模型的经验
  • 熟悉Python编程

受众

  • ML工程师
  • DevOps工程师
  • 数据工程师
  • 基础设施工程师
  • 软件开发人员
 35 小时

客户评论 (3)

即将举行的公开课程

课程分类