Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere în Cursor pentru Fluxurile de Lucru cu Date și ML
- Prezentare generală a rolului Cursor în ingineria datelor și ML
- Configurarea mediului și conectarea surselor de date
- Înțelegerea asistenței AI pentru cod în notebook-uri
Accelerarea Dezvoltării Notebook-urilor
- Crearea și gestionarea notebook-urilor Jupyter în Cursor
- Utilizarea AI pentru completarea codului, explorarea datelor și vizualizare
- Documentarea experimentelor și menținerea reproducibilității
Construirea Conductelor ETL și de Inginerie a Caracteristicilor
- Generarea și refactorizarea scripturilor ETL cu AI
- Structurarea conductelor de caracteristici pentru scalabilitate
- Controlul versiunilor componentelor conductelor și seturilor de date
Antrenarea și Evaluarea Modelelor cu Cursor
- Scaffoldingul codului de antrenare și buclelor de evaluare
- Integrarea preprocesării datelor și ajustării hiperparametrilor
- Asigurarea reproducibilității modelelor în diferite medii
Integrarea Cursor în Conducte MLOps
- Conectarea Cursor la registrele de modele și fluxurile de lucru CI/CD
- Utilizarea scripturilor asistate de AI pentru reantrenarea și implementarea automată
- Monitorizarea ciclului de viață al modelelor și urmărirea versiunilor
Documentație și Raportare Asistate de AI
- Generarea documentației inline pentru conductele de date
- Crearea rezumatelor experimentelor și rapoartelor de progres
- Îmbunătățirea colaborării în echipă cu documentație contextuală
Reproducibilitate și Guvernanță în Proiectele ML
- Implementarea celor mai bune practici pentru linia de date și modele
- Menținerea guvernanței și conformității cu codul generat de AI
- Auditarea deciziilor AI și menținerea urmăririi
Optimizarea Productivității și Aplicații Viitoare
- Aplicarea strategiilor de prompt pentru iterații mai rapide
- Explorarea oportunităților de automatizare în operațiunile de date
- Pregătirea pentru viitoare avansări în integrarea Cursor și ML
Rezumat și Pași Următori
Cerințe
- Experiență în analiza datelor sau învățarea automată bazată pe Python
- Înțelegerea fluxurilor de lucru ETL și antrenarea modelelor
- Familiaritate cu instrumente de control al versiunilor și conducte de date
Publicul țintă
- Oameni de știință care construiesc și iterează pe notebook-uri ML
- Ingineri de învățare automată care proiectează conducte de antrenare și inferență
- Profesioniști MLOps care gestionează implementarea și reproducibilitatea modelelor
14 Ore