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
 35 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (3)

Corsi in Arrivo

Categorie relative