MLOps mit Vertex AI: Verwalten von Features in der Produktion

Die Skalierung von Machine-Learning-Modellen von einem lokalen Notebook auf eine zuverlässige Produktionsumgebung erfordert ein robustes Feature-Management. Die Verwaltung der Datenkonsistenz zwischen Training und Bereitstellung ist eine der größten Hürden in modernen MLOps. Dieser reine Textkurs führt Sie durch die grundlegenden Konzepte von MLOps und konzentriert sich speziell auf die Verwaltung von Features mit Vertex AI. Sie erfahren, wie Sie Funktionen für maschinelles Lernen sicher zentralisieren, freigeben und bereitstellen und so die Konsistenz über den gesamten ML-Lebenszyklus hinweg gewährleisten. Was Sie lernen: * Verstehen Sie die Grundprinzipien von MLOps und die Rolle von Feature Stores in Produktionspipelines * Richten Sie den Vertex AI Features Store ein und konfigurieren Sie ihn, um Ihre Machine Learning-Daten zu zentralisieren * Nehmen Sie Featurendaten für Training und Online-Bereitstellung auf, registrieren und organisieren Sie sie * Vermeiden Sie Training-Serving-Skiew, indem Sie eine einzige Quelle von Daten verwalten Anwenden von Best Practices für die Überwachung von Feature-Drift und Datenqualität im Zeitverlauf Implementieren von modernen MLOps-Workflows zur Automatisierung der Features-Aufnahme und -Updates Sie beginnen mit der grundlegenden Terminologie von MLOps und Feature Stores und gehen dann zu praktischen Szenarien über, in denen Sie Features definieren, aufnehmen und bereitstellen. Der Kurs schließt mit fortgeschrittenen Strategien zur Überwachung des Funktionszustands und zur Aufrechterhaltung leistungsstarker Produktionspipelines ab. Dieser Kurs richtet sich an Anfänger, die Datenwissenschaftler, Ingenieure für maschinelles Lernen und Entwickler sind, die den Übergang zu MLOps planen. Es sind keine Vorkenntnisse in Vertex AI erforderlich, aber ein grundlegendes Verständnis von Machine Learning-Konzepten und Python ist hilfreich. Beginnen Sie noch heute mit dem Lesen, um das Feature Management zu meistern und Ihre MLOps-Engineering-Fähigkeiten zu verbessern.