Schița de curs
Introducere
Istoria, evoluția și tendințele în învățarea automată
Rolul datelor mari în învățarea automată
Infrastructura pentru gestionarea datelor mari
Utilizarea datelor istorice și în timp real pentru a prezice comportamentul
Studiu de caz: Învățarea automată în diverse industrii
Evaluarea aplicațiilor și capacităților existente
Îmbunătățirea abilităților pentru învățarea automată
Instrumente pentru implementarea învățării automate
Servicii în cloud vs. on-premise
Înțelegerea backend-ului de date intermediar
Prezentare generală a extinderii și analizei datelor
Combinarea învățării automate cu extragerea datelor
Studiu de caz: Implementarea aplicațiilor inteligente pentru a oferi experiențe personalizate utilizatorilor
Rezumat și concluzii
Cerințe
- Înțelegerea conceptelor de bază ale bazelor de date
- Experiență în dezvoltarea aplicațiilor software
Public țintă
- Dezvoltatori
Mărturii (2)
ecosistemul ML nu include doar MLFlow, ci și Optuna, hyperops, Docker și Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
Tradus de catre o masina
M-a plăcut să particip la instruirea Kubeflow, care a avut loc la distanță. Această instruire mi-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toate instrumentele devOps în jurul Kubeflow, care reprezintă bazele necesare pentru a aborda subiectul cu succes. Vreau să-i mulțumesc lui Malawski Marcin pentru răbdarea sa și profesionalismul demonstrat în instruire și sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite unghiuri, folosind diferite instrumente de implementare precum Ansible, EKS kubectl, Terraform. Acum sunt cu adevărat convins că intru în domeniul de aplicație potrivit.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina
