Introduction to MLOps: Designing and Deploying Machine Learning Pipelines (bằng tiếng Anh).

Chuyển đổi một mô hình học máy từ một máy tính bảng địa phương sang một môi trường sản xuất đáng tin cậy đòi hỏi nhiều hơn chỉ là khoa học dữ liệu tốt. Chương trình học dựa trên văn bản này giới thiệu cho bạn các nguyên tắc cơ bản của Machine Learning Operations (MLOps), giúp bạn nối kết khoảng cách giữa phát triển mô hình và kỹ thuật phần mềm.\n\nBạn sẽ chuyển từ viết mã học máy cô lập sang thiết kế các đường ống tự động, tái tạo và giám sát. Thông qua các giải thích rõ ràng và các bước viết từng bước, bạn sẽ hiểu cách quản lý phiên bản dữ liệu, tự động hóa đào tạo mô hình và đảm bảo việc triển khai của bạn vẫn ổn định theo thời gian.\n\nBạn sẽ học được gì:\n- Hiểu được chu kỳ sống cốt lõi của MLOps và nó khác biệt như thế nào so với DevOps truyền thống.\n- Cấu hình dữ kiện cơ bản và phiên phiên để đảm bảo tính tái tạo.\n- Xây dựng các đường ống huấn luyện và triển khai tự động sử dụng các khái niệm CI / CD hiện đại.\n - Thực hiện các chiến lược giám sát và quan sát mô hình để phát hiện sự trôi dạt và suy giảm hiệu suất.\n Lớp học bắt đầu với thuật ngữ thiết yếu và các cột trụ cơ bản của MLOps trước khi hướng dẫn bạn qua tự động hóa đường ống, container hóa và giám sát sau triển khai. Bạn sẽ làm việc thông qua các bài tập khái niệm và các kịch bản dựa trên văn bản thực tế để củng cố hiểu biết của bạn.\n\nChương trình này được thiết kế cho các nhà khoa học dữ liệu, kỹ sư phần mềm và quản trị viên hệ thống mới đến MLOps. Không cần kinh nghiệm DevOps trước đó, mặc dù một hiểu biết cơ bản về các khái niệm học máy sẽ hữu ích.\n\nBắt đầu xây dựng các đường ống học máy mạnh mẽ, sẵn sàng sản xuất ngay hôm nay.