Podstawy MLOps: Zarządzanie cyklem życia ML za pomocą MLflow i Hugging Face

Przenoszenie modeli uczenia maszynowego z lokalnych notatników do niezawodnych systemów produkcyjnych wymaga solidnych operacji. Ten tekstowy kurs przeprowadzi Cię przez podstawowe narzędzia nowoczesnego MLOps, koncentrując się na MLflow i Hugging Face. Przejdziesz od pisania izolowanego kodu uczenia maszynowego do zarządzania ustrukturyzowanym, powtarzalnym cyklem życia ML. Dzięki zrozumieniu, jak śledzić eksperymenty, pakować modele i wykorzystywać wstępnie wytrenowane zasoby, zdobędziesz umiejętności niezbędne do tego, aby Twoje projekty AI były niezawodne i łatwe w utrzymaniu. Czego się nauczysz: - Zrozumiesz podstawowe zasady MLOps, zaczynając od terminologii i etapów cyklu życia. - Będziesz śledzić eksperymenty uczenia maszynowego, parametry i metryki wydajności za pomocą MLflow Tracking. - Będziesz systematycznie zarządzać swoimi modelami i ich wersjami za pomocą MLflow Model Registry. - Poznasz ekosystem Hugging Face, aby znajdować, ładować i dostrajać wstępnie wytrenowane modele. - Zastosujesz powtarzalne przepływy pracy, aby upewnić się, że Twoje projekty uczenia maszynowego są gotowe do wdrożenia. - Będziesz śledzić nowoczesne obciążenia, w tym podstawowe logowanie eksperymentów dla dużych modeli językowych. Kurs rozpoczyna się od podstawowych koncepcji i słownictwa MLOps, a następnie przechodzi do szczegółowych przewodników pisemnych i przykładów konfiguracji. Przejdziesz od podstawowego śledzenia eksperymentów do zarządzania gotowymi do produkcji rejestrami modeli dzięki jasnym wyjaśnieniom i ustrukturyzowanym fragmentom kodu. Kurs jest przeznaczony dla aspirujących inżynierów ML, analityków danych i programistów, którzy dopiero zaczynają przygodę z MLOps i nie posiadają wcześniejszego doświadczenia w DevOps ani zaawansowanej infrastrukturze. Zacznij czytać już dziś, aby zbudować solidne fundamenty dla swoich operacji uczenia maszynowego.