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 modelů Devstral a Mistral
- Přehled modelů Mistral se zdrojovým kódem
- Licencování Apache-2.0 a využití v podnikovém prostředí
- Role Devstral v procesu kódování a agentických procesech
Samostatný provoz modelů Mistral a Devstral
- Příprava prostředí a volba infrastruktury
- Kontejnerizace a nasazování pomocí Docker/Kubernetes
- Zvažování škálování pro produkční použití
Techniky ladění
- Dohledné ladění vs. účinné ladění parametrů
- Příprava a čištění datasetů
- Příklady přizpůsobení pro specifická odvětví
Model Ops a verzování
- Dobré praktiky pro správu životního cyklu modelů
- Strategie verzování a návratu modelů
- Pipelines CI/CD pro ML modely
Správa a dodržování předpisů
- Bezpečnostní aspekty nasazení se zdrojovým kódem
- Monitorování a auditovatelnost v kontextu podniků
- Rámce pro soulad a praktiky zodpovědné AI
Monitorování a pozorovatelnost
- Sledování zkreslení modelu a degradace přesnosti
- Instrumentace pro výkon inferencí
- Přítomnost a pracovní toky reakcí
Průmyslové studie a dobré praktiky
- Příklady použití z praxe nasazení Mistral a Devstral
- Setování rovnováhy mezi náklady, výkonem a kontrolou
- Naučení z Model Ops se zdrojovým kódem
Shrnutí a další kroky
Požadavky
- Pochopení procesních toků strojového učení
- Zkušenost se rámci strojového učení založenými na Pythonu
- Znalost kontejnerizace a prostředí pro nasazování
Cílová skupina
- ML inženýři
- Týmy datových platforem
- Výzkumní inženýři
14 Hodiny
