[ez az oldal a wikiben][index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Előadás: Ml-Ops életciklus

Adminisztratív információk

Cím MLOps életciklus
Időtartam 60
Modul B
Lecke típusa Előadás
Fókusz Gyakorlati – Szervezeti MI
Téma Az MLOps életciklusának végponttól végpontig történő áttekintése

Kulcsszó

MLOps,Organizational AI,Etikai, Tervezés,

Tanulási célok

Várható előkészítés

Az előtt befejezendő tanulási események

Választható diákok számára

  • Adatelőkészítés és -kezelés: Az MLOps-ba való merülés előtt hasznos megérteni a gépi tanulási folyamat kezdeti fázisait, különösen az adatgyűjtést, a tisztítást és az előfeldolgozást
  • Modellképzés és validálás: A modellek képzésének, validálásának és értékelésének megértése szilárd alapot nyújt az ML működési szempontjainak megértéséhez.
  • Hiperparaméter Tuning: Bár az MLOps kurzusok nem mindig fedik le mélységben, a hiperparaméter tuning megértése hasznos lehet, mivel ez a modelloptimalizálás kulcsfontosságú lépése.
  • MLOps eszközök és platformok: Az olyan eszközök ismerete, mint a Kubeflow, az Azure ML és mások, előnyt jelenthet a diákok számára.
  • Dokumentációs gyakorlatok az ML-ben: A reprodukálhatóság és az együttműködés szempontjából elengedhetetlen a megfelelő dokumentáció az MLOps-ban. A legjobb gyakorlatok megértése az ML dokumentációban előnyös lehet.
  • Crisp-DM, CRISP-ML, ML vászon: Ezek az ML projektmenedzsment módszertanai és keretrendszerei. Az alapvető megértés hasznos lehet az ML projektek operatív oldala számára.

Ajánlott tanároknak

  • N/A

Leckeanyagok

Utasítások tanároknak

A legtöbb előkészítő elemet felállítják, és bemutatják az alkalmazott eszközöket.

Vázlat

Vázlat/időterv
Időtartam (min) Leírás
10 Az AI szoftver 2.0
15 MLOps – a nagyszerű telepítésről és nyomon követésről
10 Az MLOps tesztelésének áttekintése
15 Futásidő, szerszámozás és teljesítmény megfontolások
10 A teljes MLOps tesztparadigma

Visszaigazolások

Tarry Singh vagyok. (Real AI B.V., Assen, Hollandia) https://realai.eu

A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.