Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Durasi 14 jam
Kerangka Materi
Pengenalan Model Devstral dan Mistral
- Ringkasan model open-source dari Mistral
- Lisensi Apache-2.0 dan adopsi perusahaan
- Peran Devstral dalam alur kerja coding dan agentic
Self-Hosting Model Mistral dan Devstral
- Persiapan lingkungan dan pilihan infrastruktur
- Kontainerisasi dan penerapan dengan Docker/Kubernetes
- Pertimbangan penskalaan untuk penggunaan produksi
Teknik Fine-Tuning
- Fine-tuning supervised vs tuning parameter-efficient
- Penyiapan dan pembersihan dataset
- Contoh kustomisasi yang spesifik domain
Model Ops dan Versioning
- Praktik terbaik untuk manajemen siklus hidup model
- Strategi versioning dan rollback model
- CI/CD pipeline untuk model ML
Tata Kelola dan Kepatuhan
- Pertimbangan keamanan untuk penerapan open-source
- Pemantauan dan auditability dalam konteks perusahaan
- Kerangka kepatuhan dan praktik AI yang bertanggung jawab
Pemantauan dan Observabilitas
- Memantau model drift 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
- Lessons learned dari open-source Model Ops
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman tentang alur kerja machine learning
- Pengalaman dengan kerangka ML berbasis Python
- Kenalan dengan kontainerisasi dan lingkungan penerapan
Audiens
- Engineer ML
- Tim platform data
- Engineer penelitian
