MLOps (Machine Learning Operations)

Impara i principi e le pratiche per distribuire, monitorare e mantenere i modelli di machine learning in produzione. Colma il divario tra data science e DevOps.

17 courses

Pipeline di distribuzione e produzione del modello di machine learning

Passa dalla ricerca alla produzione imparando a creare pacchetti, testare e distribuire modelli di machine learning attraverso pipeline robuste.
★ 4.4 (6,193)

Azure Machine Learning e MLOp: creare e distribuire modelli di ML

Acquisisci le competenze fondamentali per rendere operativi e gestire in modo efficace i modelli di machine learning, dallo sviluppo alla distribuzione, usando i principi di Azure Machine Learning e MLOps.
★ 4.5 (9,407)

Introduzione a MLOps: creare e distribuire pipeline con Azure

Scopri come colmare il divario tra scienza dei dati e produzione progettando pipeline di integrazione, distribuzione e formazione continue usando Azure DevOps e Azure Machine Learning.
★ 4.6 (1,000)

Fondamenti di scienza e analisi dei dati

Padroneggia gli elementi essenziali dell'analisi dei dati e dell'apprendimento automatico per estrarre informazioni utili e prendere decisioni informate utilizzando i moderni strumenti Python.
★ 5.0 (6,972)

Preparazione alla certificazione Cloud Machine Learning Engineer

Padroneggia il machine learning basato su cloud, gli MLOp e la distribuzione dei modelli per prepararti alla certificazione professionale di ingegnere ML cloud.
★ 4.4 (4,958)

Data Science e Machine Learning con applicazioni reali

Costruisci una solida base nella scienza dei dati e nell'apprendimento automatico, imparando come analizzare i dati e distribuire modelli per le industrie del mondo reale.
★ 4.7 (4,717)

Machine Learning e TensorFlow sull'infrastruttura cloud

Scopri come creare, addestrare e distribuire modelli di machine learning professionali utilizzando TensorFlow in un moderno ambiente cloud.
★ 4.4 (3,778)

Fondamenti per l'apprendimento automatico scalabile e i big data

Impara a elaborare enormi set di dati e creare modelli predittivi utilizzando il calcolo distribuito e i moderni modelli di IA.
★ 4.6 (2,504)

Azure Machine Learning: creazione e gestione di soluzioni

Scopri come sviluppare, distribuire e monitorare i modelli di machine learning nel cloud utilizzando Python SDK e le moderne pratiche MLOps.
★ 3.7 (71)

MLOp di base con piattaforme cloud

Scopri come creare, addestrare e distribuire modelli di machine learning in produzione utilizzando le pratiche MLOp essenziali basate sul cloud.
★ 3.5 (56)

Implementazione del modello di machine learning

Impara a distribuire modelli di apprendimento automatico e creare prodotti di dati pratici per applicazioni reali.
★ 3.6 (54)

Analisi dei dati cloud e fondamenti del machine learning

Crea pipeline di dati intelligenti e distribuisci modelli di machine learning utilizzando BigQuery ML e Vertex AI per favorire il processo decisionale basato sui dati.
★ 4.5 (31)

Crea modelli di machine learning con TensorFlow sul cloud

Comprendere il flusso di lavoro completo del machine learning, dalla preparazione dei dati alla distribuzione del modello, utilizzando TensorFlow e i servizi cloud essenziali.
★ 4.2 (31)

Azure Data Science e Machine Learning per l'esame DP-100

Scopri come progettare, implementare e gestire soluzioni di machine learning end-to-end in Azure mentre ti prepari per la certificazione DP-100.
★ 4.6 (30)

Nozioni fondamentali su IA e apprendimento automatico di Azure

Gestisci il ciclo di vita del machine learning basato sul cloud, dalla preparazione iniziale dei dati alla distribuzione e al monitoraggio automatizzati dei modelli.
★ 4.7 (26)

Fondamenti dell'infrastruttura AI della piattaforma cloud

Scopri come creare, distribuire e gestire un'infrastruttura cloud scalabile per i carichi di lavoro di intelligenza artificiale utilizzando pratiche moderne di container e MLOp.
★ 4.3 (25)

Flusso di lavoro di machine learning: dai dati alla distribuzione

Comprendere il processo completo e iterativo di creazione e distribuzione di modelli di machine learning, consentendo di sviluppare soluzioni pratiche di IA.
★ 4.7 (21)