MLOps Temelleri: Üretim ML Sistemleri Yapmak ve Kullanmak

Bir makine öğrenme modelini izole bir dizüstü bilgisayardan güvenilir bir üretim ortamına taşımak, sadece eğitim algoritmalarından tamamen farklı bir beceri seti gerektirir. Bu kurs, Makine Öğrenme Operasyonları (MLOps) temel ilkelerini tanıtarak veri bilimi ve yazılım mühendisliği arasındaki boşluğu doldurur. El yazısı ML senaryolarını yazmaktan otomatik, sağlam ve tekrarlanabilir makine öğrenme boru hatlarını tasarlamaya geçiş yapacaksınız. Bu ders boyunca, verileri nasıl yöneteceğinizi, deneyleri izleyeceğinizi ve gerçek dünya senaryolarında performanslarını nasıl izleyacağınızı anlayacaksınız. Ne öğreneceksin: - Temel MLOps terminolojisi, yaşam döngüsü safhaları ve geleneksel DevOps ve MLOplar arasındaki temel farklılıkları anlayın. - Hem kod hem de veri kümeleri için otomatik veri boru hatları ve sürüm kontrol sistemlerini yapılandır. - Makine öğrenme deneylerini, parametreleri ve modelleri sistematik olarak takip edin. - Konteynerizasyon temellerini kullanarak test, paketleme ve dağıtım modelleri için otomatik CI / CD boru hatları oluşturun. - Üretim modellerini veri kayması, kavramsal kayma ve performans azalması için izlemek. - Sistemin sağlığı ve güvenilirliğini korumak için modern gözlemsellik paternlerini uygulayın. Kurs, veri sürümleme, deney izleme, dağıtım stratejileri ve sürekli izleme yoluyla size rehberlik etmeden önce temel tanımlamalar ve yaşam döngüsü kavramlarıyla başlar. Açık yazılı açıklamalar, mimari parçalanmalar ve pratik metin tabanlı yapılanma egzersizleri yoluyla öğreneceksiniz. ML mühendisleri, veri bilimcileri ve yeni yazılım geliştiricileri için tasarlanmış olan bu kurs, sadece temel Python bilgisi ve önceden MLOps deneyimi gerektirmez. Güvenilir, otomatik makine öğrenme sistemleri inşa etmeye bugün başlayın.