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.
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