Kerangka Materi
Pendahuluan
- Model Pembelajaran Mesin vs perangkat lunak tradisional
Gambaran Umum Workflow DevOps
Gambaran Umum Workflow Pembelajaran Mesin
ML sebagai Kode Plus Data
Komponen Sistem ML
Studi Kasus: Aplikasi Peramalan Penjualan
Mengakses Data
Memvalidasi Data
Transformasi Data
Dari Pipeline Data ke Pipeline ML
Membangun Model Data
Melatih Model
Memvalidasi Model
Mengulangi Pelatihan Model
Menyebarluaskan Model
Melayani Model Terlatih ke Produksi
Mengujikan Sistem ML
Orkestrasi Pengiriman Berkelanjutan
Memantau Model
Versi Data
Menyesuaikan, Mengukur Skala, dan Memelihara Platform MLOps
Penyelesaian Masalah
Ringkasan dan Kesimpulan
Persyaratan
- Pemahaman tentang siklus pengembangan perangkat lunak
- Pengalaman membangun atau bekerja dengan model Pembelajaran Mesin
- Kenalan dengan pemrograman Python
Audience
- Insinyur ML
- Insinyur DevOps
- Insinyur Data
- Insinyur Infrastruktur
- Pengembang Perangkat Lunak
Testimoni (2)
Craig sangat terlibat dalam pelatihan, selalu memastikan kami tetap fokus, menyesuaikan contoh dengan aktivitas sehari-hari kami, dan selalu memberikan jawaban ketika ditanya, bahkan jika informasi tersebut tidak disertakan dalam presentasi.
Ecaterina Ioana Nicoale - BOOKING HOLDINGS ROMANIA SRL
Kursus - DevOps Foundation®
Diterjemahkan Mesin
Tingkat komitmen dan pengetahuan pelatih yang tinggi
Jacek - Softsystem
Kursus - DevOps Engineering Foundation (DOEF)®
Diterjemahkan Mesin