Üretim ML Sistemleri Temelleri

Bir makine öğrenimi modeli geliştirmek savaşın sadece yarısı; onu gerçek bir uygulamada güvenilir ve verimli bir şekilde dağıtmak benzersiz zorluklar sunuyor. Deneysel makine öğrenimi modelleri ile üretim kullanımına hazır sağlam, performanslı sistemler arasındaki boşluğu nasıl dolduracağınızı keşfedin. Bu kurs, üretim ortamlarında etkili ve ölçeklenebilir şekilde çalışabilecek makine öğrenme modellerini oluşturmak, dağıtmak ve izlemek için gerekli temel ilkeleri ve pratik adımları size gösterecektir. Ne öğreneceksin: * Verinin alınması ile model servisinden üretim makine öğrenimi sisteminin yaşam döngüsü anlamak * Statik ve dinamik model eğitimi ve çıkarım stratejileri için en iyi uygulamaları uygulayın * TensorFlow gibi araçlar kullanarak dağıtılmış eğitim ortamlarını yapılandır * Model sürümleme, dağıtım ve izleme için temel MLOps ilkelerini uygulayın * Uyumlu ve tekrarlanabilir ML model dağıtımlarını sağlamak için konteynerizasyon temellerini kullanın * Performans ölçütlerini değerlendirmek ve devam eden model bakım ve yeniden eğitim stratejileri geliştirmek * TPU'lar gibi yüksek performanslı ML için özel donanım dikkatleri keşfet Kurs temel tanımlamalar ve kavramlarla başlar, çeşitli mimari paternler ve pratik dağıtım dikkate alınarak ilerler ve üretimde model sağlığını koruma stratejileriyle sonuçlanır. Bu kurs, modellerini nasıl işleteceğini öğrenmeye hazır olan makine öğrenme kavramlarının temel anlayışına sahip yeni başlayanlar için tasarlanmıştır. Güvenilir ve ölçeklenebilir makine öğrenimi sistemleri inşa etmeye bugün başlayın.