Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do Cursor pro Data a ML Workflowy
- Přehled role Cursoru v data a ML inženýrství
- Nastavení prostředí a připojení zdrojů dat
- Porozumění AI-podporované pomoci s kódováním v notebookách
Urychlení vývoje notebooků
- Vytváření a správa Jupyter notebooků ve Cursoru
- Použití AI pro doplňování kódu, průzkum dat a vizualizaci
- Dokumentace experimentů a udržování reproducibilitu
Vytváření ETL a feature engineering pipeline
- Generování a refaktorizace ETL skriptů pomocí AI
- Strukturování feature pipeline pro škálovatelnost
- Kontrola verzí komponent pipeline a datových sad
Trénink a hodnocení modelů s Cursorem
- Vytváření kódu tréninku modelů a evaluace cyklů
- Integrace předzpracování dat a ladění hyperparametrů
- Zajištění reproducibilitu modelů v různých prostředích
Integrace Cursoru do MLOps pipeline
- Připojení Cursoru k registram modelů a CI/CD workflow
- Použití AI-podporovaných skriptů pro automatizaci tréninku a nasazování
- Monitorování životního cyklu modelů a sledování verzí
AI-podporovaná dokumentace a reporty
- Generování inline dokumentace pro data pipeline
- Vytváření shrnutí experimentů a zpráv o pokroku
- Zlepšování spolupráce týmů s kontextuálně propojenou dokumentací
Reproducibilita a řízení v ML projektech
- Implementace nejlepších praktik pro data a model lineage
- Udržování správy a souladu s AI-generovaným kódem
- Auditing rozhodnutí AI a udržování stopitelnosti
Optimalizace produktivity a budoucí aplikace
- Aplikace strategií promptů pro rychlejší iteraci
- Explorace možností automatizace v operacích s daty
- Příprava na budoucí pokroky v integraci Cursoru a ML
Shrnutí a další kroky
Požadavky
- Zkušenosti s analýzou dat nebo strojovým učením v Pythonu
- Porozumění ETL a workflow tréninku modelů
- Odezvě s kontrolem verzí a nástroji pro data pipeline
Cílová skupina
- Data scientisti budující a iterativně vylepšující ML notebooky
- Inženýři strojového učení navrhující pipeline tréninku a inferencí
- Odborníci MLOps spravující nasazování modelů a reproducibilitu
14 hodiny
