Produkcyjne systemy uczenia maszynowego: projektowanie skalowalnych rozwiązań Cloud ML

Przeniesienie modelu uczenia maszynowego ze środowiska lokalnego do systemu gotowego do produkcji wymaga zmiany sposobu myślenia od prostej prognozy do solidnej architektury systemu.Ten kurs tekstowy przeprowadzi Cię przez podstawowe zasady projektowania, wdrażania i utrzymywania wysokowydajnych systemów ML na platformach chmurowych. Przejdziesz od pisania podstawowego kodu modelu do zrozumienia, jak całe potoki ML działają na skalę, przygotowując Cię do efektywnej współpracy w nowoczesnej infrastrukturze chmury. Czego się nauczysz: - Zrozum podstawowe różnice między statycznymi i dynamicznymi strategiami szkolenia i wnioskowania. - Poznaj rozproszone architektury szkoleniowe przy użyciu TensorFlow i specjalistycznego sprzętu, takiego jak TPU. - Zaprojektuj zautomatyzowane potoki, które obsługują pobieranie danych, szkolenie modeli i ciągłe wdrażanie. - Zastosuj nowoczesne najlepsze praktyki MLOps do monitorowania modelu, wykrywania dryfu i śledzenia wydajności. - Skonfiguruj skalowalną infrastrukturę serwerową do obsługi prognoz w czasie rzeczywistym i wsadowych. Kurs zaczyna się od podstawowych definicji systemów produkcyjnych ML, a następnie krok po kroku przeprowadza przez paradygmaty szkoleniowe, obliczenia rozproszone i monitorowanie modelu na żywo. Zaprojektowany dla początkujących inżynierów ML, naukowców zajmujących się danymi i programistów, którzy nie znają wdrożenia w chmurze, ten kurs nie wymaga wcześniejszego doświadczenia produkcyjnego i zaczyna się od podstawowych pojęć.