Asas MLOps: Mengurus Kitaran Hayat ML dengan MLflow dan Hugging Face

Memindahkan model pembelajaran mesin daripada buku nota tempatan ke sistem pengeluaran yang boleh dipercayai memerlukan operasi yang mantap. Kursus berasaskan teks ini membimbing anda melalui alat asas MLOps moden, dengan tumpuan kepada MLflow dan Hugging Face. Anda akan beralih daripada menulis kod pembelajaran mesin yang terpencil kepada mengurus kitaran hayat ML yang berstruktur dan boleh dihasilkan semula. Dengan memahami cara menjejak eksperimen, membungkus model, dan memanfaatkan aset pra-latih, anda akan membina kemahiran yang diperlukan untuk menjadikan projek AI anda boleh dipercayai dan mudah diselenggara. Apa yang anda akan pelajari: - Memahami prinsip teras MLOps, bermula dengan istilah asas dan peringkat kitaran hayat. - Menjejak eksperimen pembelajaran mesin, parameter, dan metrik prestasi menggunakan MLflow Tracking. - Mengurus dan mengversi model anda secara sistematik menggunakan MLflow Model Registry. - Meneroka ekosistem Hugging Face untuk mencari, memuatkan, dan memperhalusi model pra-latih. - Menggunakan aliran kerja yang boleh dihasilkan semula untuk memastikan projek pembelajaran mesin anda sedia untuk digunakan. - Menjejak beban kerja moden, termasuk pengelogan eksperimen asas untuk model bahasa besar. Kursus ini bermula dengan konsep dan perbendaharaan kata MLOps yang penting sebelum beralih kepada panduan bertulis langkah demi langkah dan contoh konfigurasi. Anda akan maju daripada penjejakan eksperimen asas kepada mengurus pendaftaran model sedia pengeluaran melalui penjelasan yang jelas dan coretan kod berstruktur. Kursus ini direka untuk bakal jurutera ML, saintis data, dan pembangun perisian yang baru dalam MLOps, tanpa memerlukan pengalaman DevOps atau infrastruktur lanjutan. Mula membaca hari ini untuk membina asas yang boleh dipercayai bagi operasi pembelajaran mesin anda.