MLOps Temelleri: Kubernetes ve Bulut Araçları ile Otomatik Boru Hattı

Makine öğrenmesini bir dizüstü bilgisayardan üretim ortamına taşımak sadece kodlamadan daha fazlasını gerektirir; sağlam bir işletim çerçevesi gerektiriyor.Bu kurs veri bilimi ve güvenilir yazılım mühendisliği arasındaki boşluğu kapatmak isteyenler için net bir yol sağlar. Statik modelleri gerçek dünya veri taleplerini yönetebilecek ölçeklenebilir, otomatik hizmetlere nasıl dönüştüreceğinizi öğreneceksiniz. Bu dersin sonunda, endüstri standart araçları kullanarak sondan son MLOps çalışma akışlarını tasarlayacak ve bakımını yapacaksınız. Temel sürümlemeyi anlamaktan karmaşık konteyner orkestrasyonu ve sürekli entegrasyon stratejilerini uygulamaya geçeceksiniz. Ne öğreneceksin: - MLOps'in temel ilkelerini ve üretim seviyesindeki makine öğreniminin yaşam döngüsünü anlayın. - Projenin tekrarlanabilirliğini sağlamak için DVC ve Git kullanarak veri ve kod sürümlerini yönetin. - Jenkins ve GitHub Actions gibi CI / CD araçları ile model eğitimi ve dağıtım çalışma akışlarını otomatikleştirin. - Docker ile makine öğrenimi uygulamalarını konteynerleştirin ve Kubernetes kullanarak onları orkestre edin. - MLFlow ve merkezi kayıtlarla deneyleri takip edin ve model sürümlerini yönetin. - Model performansını izlemek ve Prometheus ve Grafana kullanarak veri sürüklenmesini tespit etmek. - Temel LLM gözlemlenebilirliği ve vektör veri yönetimi de dahil olmak üzere modern MLOps paternlerini uygulayın. Kurs temel tanımlamalar ve anahtar terminoloji ile başlar ve ardından otomasyon, konteynerizasyon ve izleme uygulamalarına yön verir. Yazılı açıklamalar ve gerçek dünya üretim senaryolarını taklit eden kod tabanlı egzersizler ile çalışacaksınız. Bu kurs, veri bilimi, yazılım mühendisliği veya DevOps'ta yeni başlayanlar için tasarlanmış olup makine öğreniminin işletimsel tarafını öğrenmek isteyenler içindir. MLOps araçları ile önceden deneyime gerek yoktur. Ölçeklenebilir ve güvenilir bir makine öğrenimi altyapısı inşa etmeye bugün başlayın.