课程大纲

介绍

  • Machine Learning 模型与传统软件的对比

DevOps 工作流概述

Machine Learning 工作流概述

ML 即代码加数据

ML 系统的组件

案例研究:销售 Forecasting 应用程序

Accessing 数据

验证数据

数据转换

从数据管道到 ML 管道

构建数据模型

训练模型

验证模型

再现模型训练

部署模型

将经过训练的模型提供到生产环境

测试 ML 系统

持续交付编排

监视模型

数据版本控制

调整、扩展和维护 MLOps 平台

故障 排除

总结和结论

要求

  • 了解软件开发周期
  • 具有构建或使用 Machine Learning 模型的经验
  • 熟悉 Python 编程

观众

  • 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