Hubungi Kami

Kerangka Materi

Pengenalan Model Devstral dan Mistral

  • Ikhtisar model sumber terbuka dari Mistral
  • Lisensi Apache-2.0 dan adopsi di lingkungan perusahaan
  • Peran Devstral dalam alur kerja coding dan agentic

Self-Hosting Model Mistral dan Devstral

  • Persiapan lingkungan dan pilihan infrastruktur
  • Kontainerisasi dan deployment dengan Docker/Kubernetes
  • Pertimbangan penskalaan untuk penggunaan produksi

Teknik Penyesuaian Ulang (Fine-Tuning)

  • Penyesuaian ulang terawasi vs penyesuaian efisiensi parameter
  • Persiapan dan pembersihan dataset
  • Contoh kustomisasi spesifik domain

Model Ops dan Penerbitan Versi

  • Praktik terbaik untuk manajemen siklus hidup model
  • Strategi penerbitan versi dan rollback model
  • Pipeline CI/CD untuk model ML

Tata Kelola dan Kepatuhan

  • Pertimbangan keamanan untuk deployment sumber terbuka
  • Pemantauan dan kemampuan audit dalam konteks perusahaan
  • Kerangka kerja kepatuhan dan praktik AI yang bertanggung jawab

Pemantauan dan Observabilitas

  • Pelacakan drift model dan degradasi akurasi
  • Instrumentasi untuk kinerja inferensi
  • Alur kerja peringatan dan respons

Studi Kasus dan Praktik Terbaik

  • Kasus penggunaan industri adopsi Mistral dan Devstral
  • Menyeimbangkan biaya, kinerja, dan kendali
  • Pelajaran yang dipelajari dari Model Ops sumber terbuka

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang alur kerja machine learning
  • Pengalaman dengan kerangka kerja ML berbasis Python
  • Keakraban dengan kontainerisasi dan lingkungan deployment

Audience

  • Insinyur ML
  • Tim platform data
  • Insinyur riset
 14 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait