MLOps (Operacje Uczenia Maszynowego)
Poznaj zasady i praktyki wdrażania, monitorowania i utrzymywania modeli uczenia maszynowego w środowisku produkcyjnym. Zniweluj lukę między data science a DevOps.
17 courses
Przejście od badań do produkcji poprzez naukę pakowania, testowania i wdrażania modeli uczenia maszynowego za pomocą solidnych potoków.
Zdobądź podstawowe umiejętności, aby skutecznie wdrażać modele uczenia maszynowego i zarządzać nimi, od tworzenia po wdrażanie, przy użyciu zasad usług Azure Machine Learning i MLOps.
Dowiedz się, jak wypełnić lukę między analizą danych a produkcją, projektując potoki ciągłej integracji, dostarczania i szkolenia przy użyciu usług Azure DevOps i Azure Machine Learning.
Opanuj podstawy analizy danych i uczenia maszynowego, aby wyodrębnić praktyczne informacje i podejmować świadome decyzje za pomocą nowoczesnych narzędzi Pythona.
Opanuj uczenie maszynowe oparte na chmurze, MLOps i wdrażanie modeli, aby przygotować się do profesjonalnej certyfikacji inżyniera ML w chmurze.
Zbuduj solidne podstawy w dziedzinie danych i uczenia maszynowego, ucząc się analizować dane i wdrażać modele dla branż świata rzeczywistego.
Dowiedz się, jak tworzyć, trenować i wdrażać profesjonalne modele uczenia maszynowego za pomocą TensorFlow w nowoczesnym środowisku chmurowym.
Naucz się przetwarzać ogromne zbiory danych i budować modele predykcyjne przy użyciu rozproszonych obliczeń i nowoczesnych wzorców AI.
Dowiedz się, jak opracowywać, wdrażać i monitorować modele uczenia maszynowego w chmurze za pomocą zestawu Python SDK i nowoczesnych praktyk MLOps.
Dowiedz się, jak budować, trenować i wdrażać modele uczenia maszynowego w produkcji, korzystając z podstawowych praktyk MLOps opartych na chmurze.
Naucz się wdrażać modele uczenia maszynowego i budować praktyczne produkty danych dla rzeczywistych aplikacji.
Twórz inteligentne potoki danych i wdrażaj modele uczenia maszynowego za pomocą usług BigQuery ML i Vertex AI, aby ułatwić podejmowanie decyzji opartych na danych.
Poznaj cały proces uczenia maszynowego — od przygotowania danych po wdrożenie modelu — przy użyciu TensorFlow i podstawowych usług w chmurze.
Dowiedz się, jak projektować i wdrażać kompleksowe rozwiązania uczenia maszynowego na platformie Azure oraz zarządzać nimi, przygotowując się do certyfikacji DP-100.
Opanuj cykl życia uczenia maszynowego w chmurze, od początkowego przygotowania danych po zautomatyzowane wdrażanie i monitorowanie modelu.
Dowiedz się, jak tworzyć i wdrażać skalowalną infrastrukturę chmury dla obciążeń związanych ze sztuczną inteligencją oraz zarządzać nią, korzystając z nowoczesnych praktyk kontenerowych i MLOps.
Poznaj kompletny, iteracyjny proces tworzenia i wdrażania modeli uczenia maszynowego, który umożliwia opracowywanie praktycznych rozwiązań AI.