MLOps Temelleri: MLflow ve Hugging Face ile ML Yaşam Döngülerini Yönetme

Makine öğrenimi modellerini yerel not defterlerinden güvenilir üretim sistemlerine taşımak, sağlam operasyonlar gerektirir. Bu metin tabanlı kurs, MLflow ve Hugging Face'e odaklanarak modern MLOps'un temel araçları konusunda size rehberlik eder. İzole makine öğrenimi kodu yazmaktan, yapılandırılmış ve tekrarlanabilir bir ML yaşam döngüsünü yönetmeye geçiş yapacaksınız. Deneyleri nasıl takip edeceğinizi, modelleri nasıl paketleyeceğinizi ve önceden eğitilmiş varlıklardan nasıl yararlanacağınızı anlayarak, yapay zeka projelerinizi güvenilir ve sürdürülebilir kılmak için gereken becerileri kazanacaksınız. Neler öğreneceksiniz: - Temel terminoloji ve yaşam döngüsü aşamalarından başlayarak temel MLOps ilkelerini anlayın. - MLflow Tracking kullanarak makine öğrenimi deneylerini, parametreleri ve performans metriklerini takip edin. - MLflow Model Registry kullanarak modellerinizi sistematik bir şekilde yönetin ve sürümleyin. - Önceden eğitilmiş modelleri bulmak, yüklemek ve ince ayar yapmak için Hugging Face ekosistemini keşfedin. - Makine öğrenimi projelerinizin dağıtıma hazır olmasını sağlamak için tekrarlanabilir iş akışları uygulayın. - Büyük dil modelleri için temel deney günlüğü dahil olmak üzere modern iş yüklerini takip edin. Kurs, adım adım yazılı kılavuzlara ve yapılandırma örneklerine geçmeden önce temel MLOps kavramları ve kelime bilgisi ile başlar. Açık açıklamalar ve yapılandırılmış kod parçacıkları aracılığıyla temel deney takibinden üretime hazır model kayıtlarını yönetmeye kadar ilerleyeceksiniz. Bu kurs, MLOps'ta yeni olan, önceden DevOps veya ileri düzey altyapı deneyimi gerektirmeyen ML mühendisi adayları, veri bilimcileri ve yazılım geliştiricileri için tasarlanmıştır. Makine öğrenimi operasyonlarınız için güvenilir bir temel oluşturmaya bugün başlayın.