Zkuste nás kontaktovat

Návrh Školení

Úvod

  • Modelování pomocí strojového učení vs. tradiční software

Přehled pracovních postupů DevOps

Přehled postupů při vývoji modelů strojového učení

Modelování jako kód a správa dat

Komponenty systému strojového učení

Studie případu: Aplikace pro prognózování prodeje

Získávání dat

Ověřování dat

Transformace dat

Od datové pipeline k ML pipeline

Vytváření datového modelu

Trénování modelu

Ověřování správnosti modelu

Opakovatelnost trénování modelu

Nasazení modelu

Uvedení vytrénovaného modelu do produkce

Testování systému strojového učení

Orchestrace kontinuálního nasazování

Monitorování modelu

Verzování dat

Adaptace, škálování a údržba platformy MLOps

Řešení běžných problémů

Shrnutí a závěr

Požadavky

  • Základní znalost cyklu vývoje softwaru
  • Praktické zkušenosti s tvorbou či používáním modelů strojového učení
  • Znalost programování v jazyce Python

Určené skupiny

  • Inženýři z oblasti strojového učení
  • DevOps inženýři
  • Data inženýři
  • Inženýři infrastruktury
  • Softwaroví vývojáři
 35 Hodiny

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie