Von DevOps zu MLOps: Bereitstellung und Verwaltung von Machine Learning-Systemen

Da sich das maschinelle Lernen von der experimentellen Forschung in Produktionsumgebungen bewegt, benötigen Unternehmen Fachleute, die die Lücke zwischen Softwareentwicklung und Data Science schließen können. Der Übergang von herkömmlichen DevOps zu MLOps ist der Schlüssel zur Automatisierung, Bereitstellung und Überwachung zuverlässiger Machine-Learning-Modelle im großen Maßstab. In diesem umfassenden, textbasierten Kurs lernen Sie, wie Sie bewährte DevOps-Prinzipien direkt auf den Machine Learning-Lebenszyklus anwenden. Sie beginnen mit den Kernkonzepten von MLOps und entwickeln sich zum Aufbau automatisierter Pipelines, zum Verwalten von Modellregistern und zum Implementieren kontinuierlicher Trainings- und Überwachungssysteme. Was Sie lernen werden: - Verstehen Sie die grundlegenden Unterschiede zwischen traditionellen DevOps- und MLOps-Workflows - Konfigurieren Sie automatisierte Machine Learning-Pipelines für die Datenaufbereitung, das Modelltraining und die Auswertung - Verwalten Sie die Modellversionierung und Bereitstellung mit modernen Registrierungen und Containerisierung - Implementieren Sie kontinuierliche Integration und kontinuierlichen Einsatz (CI / CD), die speziell auf ML-Systeme zugeschnitten sind - Überwachen Sie bereitgestellte Modelle in der Produktion, um Datendrift und Leistungseinbußen zu erkennen Der Kurs beginnt mit grundlegender Terminologie und MLOps-Architektur, bevor Sie durch schriftliche Szenarien für Pipeline-Automatisierung, containerisierte Bereitstellungen und Produktionsüberwachung geführt werden. Sie erfahren, wie Sie robuste Feedbackschleifen einrichten, um Ihre Machine-Learning-Modelle über die Zeit hinweg genau und zuverlässig zu halten. Dieser Kurs richtet sich an DevOps-Ingenieure, Softwareentwickler und angehende Datenprofis, die in den MLOps-Bereich einsteigen möchten. Es ist keine vorherige Erfahrung mit maschinellem Lernen erforderlich, obwohl ein grundlegendes Verständnis der Softwareentwicklungskonzepte hilfreich ist. Beginnen Sie Ihre Reise in den Bereich Machine Learning und erwerben Sie die Fähigkeiten, die Sie für die Bereitstellung produktionsreifer ML-Systeme benötigen.