WalkSelf · KI, Technologie & Ingenieurwesen · KI & Machine Learning

MLOps (Machine Learning Operations)

Lernen Sie die Prinzipien und Praktiken für die Bereitstellung, Überwachung und Wartung von Machine-Learning-Modellen in der Produktion. Schließen Sie die Lücke zwischen Data Science und DevOps.

MLOps (Machine Learning Operations)

Grundlagen von MLOps: Bereitstellen und Überwachen von Machine-Learning-Modellen

Bereitstellungs- und Produktionspipelines für Modelle des maschinellen Lernens

Azure Machine Learning & MLOps: ML-Modelle erstellen und bereitstellen

Einführung in MLOps: Pipelines mit Azure erstellen und bereitstellen

MLOps Foundations: Bereitstellen und Skalieren von Machine Learning-Pipelines

Bereitstellung von Machine Learning-Modellen mit FastAPI, Docker und AWS

Bereitstellung von Machine Learning-Modellen mit Python und Docker

Machine Learning: Erstellen und Bereitstellen mit Python und MLOps

Azure Machine Learning und DP-100 Prüfungsvorbereitung

MLOps Foundations: Automatisierte Pipelines mit Kubernetes und Cloud-Tools

Machine Learning ohne Programmierung mit Azure ML Studio

Grundlagen des maschinellen Lernens in der Cloud mit Azure

Data Science und Machine Learning Projektbereitstellung mit Python

Kubeflow für Einsteiger: MLOps-Pipelines in der Cloud erstellen und skalieren

Practical MLOps: ML-Pipelines mit MLflow und DVC erstellen und bereitstellen

Data Science und prädiktive Modellierung mit Azure Machine Learning

Vorbereitung auf die Zertifizierung als Cloud Machine Learning Engineer

Data Science und maschinelles Lernen mit realen Anwendungen

Machine Learning und TensorFlow in der Cloud-Infrastruktur

Keras Machine Learning: Erstellen, Trainieren und Bereitstellen auf der Cloud-Plattform

Skalierbares Machine Learning und Big Data-Grundlagen

Skalieren von Machine-Learning-Modellen mit TensorFlow und Cloud-Infrastruktur

Machine Learning mit Apache Spark

Grundlagen der Datenwissenschaft auf Hindi