Apa yang akan Anda pelajari
-
Bangun API model pembelajaran mesin dan terapkan model ke cloud
-
Kirim dan terima permintaan dari model pembelajaran mesin yang diterapkan
-
Desain kode produksi yang dapat diuji, dikontrol versi, dan dapat direproduksi untuk penerapan model
-
Buat integrasi berkelanjutan dan otomatis untuk menerapkan model Anda
-
Pahami arsitektur pembelajaran mesin yang optimal
-
Pahami berbagai sumber daya yang tersedia untuk memproduksi model Anda
-
Identifikasi dan kurangi tantangan dalam menempatkan model dalam produksi
Keterangan
Selamat datang di Penerapan Model Pembelajaran Mesin, kursus penerapan pembelajaran mesin terlengkap yang tersedia saat ini. Kursus ini akan menunjukkan cara membawa model pembelajaran mesin Anda dari lingkungan penelitian ke lingkungan produksi yang terintegrasi sepenuhnya .
Apa itu penerapan model?
Penerapan model pembelajaran mesin, atau sederhananya, memasukkan model ke dalam produksi, berarti membuat model Anda tersedia untuk sistem lain dalam organisasi atau web, sehingga mereka dapat menerima data dan mengembalikan prediksinya. Melalui penerapan model pembelajaran mesin, Anda dapat mulai memanfaatkan sepenuhnya model yang Anda buat.
Untuk siapa kursus ini?
- Jika Anda baru saja membuat model pembelajaran mesin pertama dan ingin mengetahui cara membawanya ke produksi atau menerapkannya ke dalam API,
- Jika Anda menerapkan beberapa model dalam organisasi dan ingin mempelajari lebih lanjut tentang praktik terbaik penerapan model,
- Jika Anda seorang pengembang perangkat lunak yang rajin yang ingin melangkah ke penerapan saluran pembelajaran mesin yang terintegrasi penuh,
kursus ini akan menunjukkan caranya.
Apa yang akan dipelajari?
Kami akan membawa Anda langkah demi langkah dan mengajari Anda semua yang perlu Anda ketahui untuk mulai membuat model di lingkungan penelitian, lalu mengubah notebook Jupyter menjadi kode produksi, mengemas kode, dan menerapkannya ke API , dan tambahkan integrasi berkelanjutan dan pengiriman berkelanjutan. Kami akan membahas konsep reproduktifitas, mengapa itu penting, dan bagaimana memaksimalkan reproduktifitas selama penerapan, melalui pembuatan versi, repositori kode, dan penggunaan buruh pelabuhan. Dan kami juga akan membahas alat dan platform yang tersedia untuk menerapkan model pembelajaran mesin.
Secara khusus, Anda akan belajar:
- Langkah-langkah yang terlibat dalam pipeline machine learning tipikal
- Bagaimana seorang ilmuwan data bekerja di lingkungan penelitian
- Cara mengubah kode di notebook Jupyter menjadi kode produksi
- Cara menulis kode produksi, termasuk pengantar tes, logging, dan OOP
- Cara menerapkan model dan menayangkan prediksi dari API
- Cara membuat Paket Python
- Cara menerapkan ke lingkungan produksi yang realistis
- Bagaimana cara menambahkan lapisan CI/CD
- Cara menentukan bahwa model yang diterapkan mereproduksi model yang dibuat di lingkungan penelitian
Di akhir kursus, Anda akan memiliki gambaran menyeluruh tentang seluruh siklus hidup penelitian, pengembangan, dan penerapan model pembelajaran mesin, dan memahami praktik pengkodean terbaik, dan hal-hal yang perlu dipertimbangkan untuk membuat model dalam produksi. Anda juga akan memiliki pemahaman yang lebih baik tentang alat yang tersedia bagi Anda untuk menerapkan model Anda, dan akan ditempatkan dengan baik untuk menerapkan model ke segala arah yang melayani kebutuhan organisasi Anda.
Apa lagi yang harus Anda ketahui?
Kursus ini akan membantu Anda mengambil langkah pertama untuk membuat model Anda dalam produksi. Anda akan mempelajari cara beralih dari notebook Jupyter ke model pembelajaran mesin yang diterapkan sepenuhnya, dengan mempertimbangkan CI/CD, dan menerapkan ke platform dan infrastruktur cloud.
Jadi tunggu apa lagi? Daftar hari ini, pelajari cara menempatkan model Anda dalam produksi dan mulai mengekstraksi nilai aslinya.
Untuk siapa kursus ini:
- Ilmuwan data yang ingin menerapkan model pembelajaran mesin pertama mereka
- Ilmuwan data yang ingin mempelajari penerapan model praktik terbaik
- Pengembang perangkat lunak yang ingin beralih ke pembelajaran mesin
