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

代码加数据的机器学习

ML系统的组件

案例研究:销售预测应用

访问数据

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

重现模型训练

部署模型

将训练好的模型服务到生产环境

测试ML系统

持续交付编排

监控模型

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

  • 对软件开发周期的理解
  • 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