Предварительная версия: все, что вы должны знать о комплексной пакетной архитектуре машинного обучения
В этой статье представлен обзор БЕСПЛАТНОГО курса из 7 уроков под названием «7-шаговая структура MLOps полного стека», который шаг за шагом проведет вас через проектировать, внедрять, обучать, развертывать и контролировать систему машинного обучения, используя рекомендуемые методы MLOps.
→ Если вы не хотите проходить курс, эта статья также может служить отдельной основой для получения общей картины комплексной архитектуры пакетного машинного обучения.
В ходе курса вы создадите готовую к производству комплексную систему пакетного машинного обучения для прогнозирования уровней энергопотребления на следующие 24 часа для различных типов потребителей из Дании.
Сейчас везде сертификаты. Создание продвинутых сквозных проектов, которыми вы сможете потом похвастаться, — лучший способ добиться признания в качестве профессионального инженера.
Если вы заняты и хотите быстро ознакомиться с учебным планом моего бесплатного курса, это то, что вам нужно.
Оглавление:
- Введение в курс
- Уроки курса
- Пакетная архитектура
- 7 шагов детализации
- Как мы можем адаптировать пакетную архитектуру к онлайн-системе машинного обучения?
- Заключение
Введение в курс
По окончании этого курса из 7 уроков вы будете знать, как:
- разработать архитектуру пакетного обслуживания
- использовать Hopsworks в качестве хранилища функций
- разработать конвейер разработки функций, который считывает данные из API
- построить обучающий конвейер с настройкой гиперпараметров
- используйте W&B в качестве платформы машинного обучения для отслеживания ваших экспериментов, моделей и метаданных
- реализовать конвейер пакетного предсказания
- используйте Poetry для создания собственных пакетов Python
- разверните свой собственный частный сервер PyPi
- организуйте все с помощью Airflow
