Struttura del corso
Introduzione
- Modelli di Apprendimento Automatico vs software tradizionale
Panoramica del Workflow DevOps
Panoramica del Workflow di Apprendimento Automatico
ML come Codice più Dati
Componenti di un Sistema ML
Caso di Studio: Un'applicazione per la previsione delle vendite
Accesso ai Dati
Validazione dei Dati
Trasformazione dei Dati
Dalla Pipeline di Dati alla Pipeline ML
Costruzione del Modello di Dati
Addestramento del Modello
Validazione del Modello
Riproduzione dell'Addestramento del Modello
Deployment di un Modello
Fornitura di un Modello Addestrato in Produzione
Test di un Sistema ML
Orchestrizzazione della Consegna Continua
Monitoraggio del Modello
Versionamento dei Dati
Adattamento, Scalabilità e Manutenzione di una Piattaforma MLOps
Risoluzione dei Problemi
Riepilogo e Conclusione
Requisiti
- Comprensione del ciclo di sviluppo software
- Esperienza nell'edificazione o nel lavoro con modelli di Apprendimento Automatico
- Familiarità con la programmazione Python
Pubblico Obiettivo
- Ingegneri ML
- Ingegneri DevOps
- Ingegneri dati
- Ingegneri di infrastruttura
- Sviluppatori software
Recensioni (2)
Craig era estremamente coinvolto nella formazione, sempre assicurandosi che prestassimo attenzione, adattando gli esempi alle nostre attività quotidiane e fornendo sempre una risposta quando sollecitato, anche se l'informazione non era inclusa nella presentazione.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
Corso - DevOps Foundation®
Traduzione automatica
Alto livello di impegno e conoscenza del formatore
Jacek - Softsystem
Corso - DevOps Engineering Foundation (DOEF)®
Traduzione automatica