Pag-deploy ng Modelo ng Machine Learning at mga Pipeline ng Produksyon

Ang pagbuo ng isang high-performing machine learning model ay kalahati lamang ng laban; ang tunay na halaga ay natatanto kapag ang modelong iyon ay live at naghahatid ng mga hula sa isang totoong kapaligiran sa mundo. Maraming practitioner ang nahihirapang ilipat ang kanilang trabaho mula sa mga experimental notebook patungo sa maaasahan at scalable na mga sistema na magagamit ng ibang mga application. Ang kursong ito ay nagbibigay ng malinaw na landas para gawing propesyonal na software ang experimental code. Matututuhan mo ang mahahalagang kasanayan sa engineering na kinakailangan upang bumuo, mag-package, at magpanatili ng mga pipeline ng machine learning na maaaring kopyahin at handa nang i-integrate. Sa pagtatapos ng kursong ito, mauunawaan mo kung paano tulayin ang agwat sa pagitan ng pananaliksik sa agham ng data at software engineering upang maghatid ng halaga nang palagian. Ang matututunan mo: - Unawain ang pangunahing lifecycle ng mga modelo ng machine learning mula sa pananaliksik hanggang sa pag-deploy - Ibahin ang anyo ng mga Jupyter notebook sa nakabalangkas at modular na production code gamit ang mga prinsipyong object-oriented - Ilapat ang pagsubok, pag-log, at pag-bersyon upang matiyak ang pagiging maaasahan at reproducibility ng modelo - I-package ang mga modelo ng machine learning at ihatid ang mga ito sa pamamagitan ng mga scalable API - Ipatupad ang mga workflow ng continuous integration at delivery (CI/CD) para sa mga automated na update ng modelo - Gamitin ang containerization gamit ang Docker upang lumikha ng mga pare-parehong kapaligiran sa iba't ibang platform - Subaybayan ang pagganap at kalusugan ng modelo gamit ang mga modernong kasanayan sa observability Ang kurso ay nagsisimula sa mga pangunahing konsepto ng pag-deploy at reproducibility ng modelo bago lumipat sa mga praktikalidad ng code refactoring, pagsubok, at containerization. Susulong ka mula sa pagsulat ng mga simpleng script patungo sa pag-unawa sa mga ganap na automated na pipeline na humahawak sa pagproseso ng data at paghahatid ng modelo. Ang kursong ito ay idinisenyo para sa mga naghahangad na maging data scientist at software developer na bago sa larangan ng MLOps at gustong matutunan kung paano gamitin ang kanilang mga modelo. Hindi kinakailangan ang nakaraang karanasan sa pag-deploy. Simulan ang pagbuo ng mga production-ready machine learning system ngayon.