PickAClass · AI, เทคโนโลยีและวิศวกรรม · Generative AI และ Deep Learning

MLOps สำหรับ Generative AI

มุ่งเน้นไปที่ความท้าทายในการดำเนินงานของการปรับใช้ การตรวจสอบ และการบำรุงรักษาโมเดล Generative ขนาดใหญ่ เรียนรู้เกี่ยวกับการกำหนดเวอร์ชันโมเดล การติดตามประสิทธิภาพ การจัดการต้นทุน และการสร้างไปป์ไลน์การผลิตที่มีประสิทธิภาพ

22 courses

🔥 ยอดนิยม 🎓 มีใบรับรอง

MLOps สำหรับ Generative AI

สร้าง MCP Server แบบกำหนดเองสำหรับ SaaS ของคุณ

พื้นฐาน MCP: เชื่อมต่อ LLMs เข้ากับข้อมูลและเครื่องมือของคุณ

LLMOps สำหรับผู้เริ่มต้น: การทำ Tracing, Caching และการจัดการ Token

Model Context Protocol (MCP): สร้าง AI Server ของคุณเอง

พื้นฐานของ LLMOps: การ Deploy, Version และ Monitor LLMs

คำแนะนำสำหรับนักพัฒนาเกี่ยวกับโมเดลโพรโทคอล (MCP) และเอเจนท์ของ AI

การปรับใช้โมเดลแมชชีนเลิร์นนิงด้วย Python, Flask และ MLOps

พื้นฐาน LLMOps: การติดตั้งใช้งาน LLM ด้วย Jenkins, Docker, และ Kubernetes

LLMOps และ Generative AI: การนำโมเดลไปใช้งานจริง

วิศวกรรมคุณภาพสมัยใหม่: ระบบอัตโนมัติ, DevOps, และการทดสอบที่ขับเคลื่อนด้วย AI

การนำ LLM ไปใช้งานจริงและ LLMOps: การขยายขนาดโมเดลในการผลิต

Model Context Protocol (MCP): สร้าง AI Agents ด้วย Python และ Claude

การพัฒนา AI Agent ด้วย Model Context Protocol (MCP)

พื้นฐานการเรียนรู้เครื่องและการผลิต MLOps

TensorFlow Data Pipelines และการนำโมเดลไปใช้งานจริง

ออกแบบระบบ Machine Learning ระดับ Production บน GCP

การจัดการวงจรชีวิตแมชชีนเลิร์นนิงด้วย MLflow

กลยุทธ์การนำโมเดล TensorFlow ไปใช้งานและการให้บริการ (TensorFlow Model Deployment and Serving Strategies)

MLOps และการจัดการ Pipeline บน Cloud Platform

การตรวจสอบและการสังเกตการณ์โมเดล Machine Learning

Machine Learning Model Monitoring with Python

วิศวกรรมแมชชีนเลิร์นนิงสมัยใหม่: จากพื้นฐานสู่โมเดลขั้นสูง