ML-Pipelines in der Cloud mit Vertex AI

In der Welt der modernen KI ist die Erstellung eines Modells nur der erste Schritt. Die eigentliche Herausforderung besteht darin, den gesamten Lebenszyklus zu automatisieren und zu skalieren. Der Übergang von manuellen Notebook-Experimenten zu robusten, automatisierten Workflows ist für jeden aufstrebenden Machine-Learning-Ingenieur unerlässlich. Dieser reine Textkurs führt Sie durch die grundlegenden Konzepte von Machine Learning Operations (MLOps) und zeigt Ihnen, wie Sie produktionsbereite ML-Pipelines in der Cloud entwerfen, erstellen und ausführen. Sie lernen, wie Sie die Datenaufbereitung, das Modelltraining, die Auswertung und die Bereitstellung mit modernen Cloud-Services automatisieren. Was Sie lernen: • Verstehen Sie die Grundprinzipien von MLOps und Pipeline-Orchestrierung • Konfigurieren Sie Datenaufnahme- und Vorverarbeitungskomponenten mit Standard-Cloud-Tools • Erstellen Sie automatisierte Trainingspipelines mit Vertex AI und Kubeflow • Bereitstellen Sie trainierte Modelle für skalierbare Endpunkte für die Echtzeitbereitstellung • Implementieren Sie Pipelineüberwachung und Metadaten • Anwendung moderner CI/CD-Verfahren zur Automatisierung der Pipeline-Ausführung und -Updates. Sie beginnen mit der grundlegenden Terminologie von Machine Learning-Pipelines und erkunden Schritt für Schritt die Pipeline-Architektur, das Komponentendesign und die Orchestrator-Bereitstellung. Die schriftlichen Lektionen bieten konzeptionelle Klarheit und praktische Konfigurationsbeispiele, um Ihnen beim Aufbau Ihres ersten automatisierten Workflows zu helfen. Dieser Kurs richtet sich an Anfänger, die die Grundlagen von MLOps erlernen möchten. Es ist keine vorherige Pipeline-Engineering-Erfahrung erforderlich, obwohl ein grundlegendes Verständnis von Python hilfreich ist. Lesen Sie noch heute weiter, um die Grundlagen der cloudbasierten ML-Automatisierung zu erlernen.