Nền tảng của Hệ thống ML Sản xuất

Phát triển một mô hình học máy chỉ là một nửa cuộc chiến; triển khai nó một cách đáng tin cậy và hiệu quả trong một ứng dụng thực tế đặt ra những thách thức riêng. Khám phá cách thu hẹp khoảng cách giữa các mô hình học máy thử nghiệm và các hệ thống mạnh mẽ, hiệu quả sẵn sàng cho sử dụng sản xuất. Khóa học này sẽ hướng dẫn bạn các nguyên tắc cơ bản và các bước thực tế cần thiết để xây dựng, triển khai và giám sát các mô hình học máy có thể hoạt động hiệu quả và có thể mở rộng trong môi trường sản xuất. Bạn sẽ học được gì: * Hiểu vòng đời của một hệ thống học máy sản xuất, từ thu thập dữ liệu đến phục vụ mô hình * Áp dụng các phương pháp hay nhất cho các chiến lược đào tạo và suy luận mô hình tĩnh và động * Cấu hình môi trường đào tạo phân tán bằng các công cụ như TensorFlow * Triển khai các nguyên tắc MLOps nền tảng cho việc quản lý phiên bản, triển khai và giám sát mô hình * Sử dụng các kiến thức cơ bản về container hóa để đảm bảo triển khai mô hình ML nhất quán và có thể tái tạo * Đánh giá các chỉ số hiệu suất và phát triển các chiến lược để bảo trì và đào tạo lại mô hình liên tục * Khám phá các cân nhắc về phần cứng chuyên dụng cho ML hiệu suất cao, chẳng hạn như TPU Khóa học bắt đầu với các định nghĩa và khái niệm cốt lõi, tiến tới các mẫu kiến trúc khác nhau và các cân nhắc triển khai thực tế, kết thúc bằng các chiến lược duy trì sức khỏe của mô hình trong sản xuất. Khóa học này được thiết kế cho người mới bắt đầu với hiểu biết cơ bản về các khái niệm học máy, những người đã sẵn sàng học cách vận hành hóa các mô hình của họ. Bắt đầu xây dựng các hệ thống học máy đáng tin cậy và có thể mở rộng ngay hôm nay.