Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere
- Adaptarea celor mai bune practici de dezvoltare software la învățarea automată.
- MLflow vs. Kubeflow - unde strălucește MLflow?
Prezentare generală a ciclului Machine Learning
- Pregătirea datelor, formarea modelelor, implementarea modelelor, servirea modelelor etc.
Prezentare generală a caracteristicilor și arhitecturii MLflow
- MLflow Urmărire, MLflow Proiecte și MLflow Modele
- Utilizarea interfeței cu linie de comandă (CLI) MLflow
- Navigarea în interfața de utilizare MLflow
Configurarea MLflow
- Instalarea într-un cloud public
- Instalarea pe un server on-premise
Pregătirea mediului de dezvoltare
- Lucrul cu caiete Jupyter, Python IDE-uri și scripturi independente
Pregătirea unui proiect
- Conectarea la date
- Crearea unui model de predicție
- Antrenarea unui model
Folosind MLflow Urmărire
- Înregistrarea versiunilor de cod, a datelor și a configurațiilor
- Înregistrarea fișierelor de ieșire și a măsurătorilor
- Interogarea și compararea rezultatelor
Execuție MLflow Proiecte
- Prezentare generală a sintaxei YAML
- Rolul depozitului Git
- Ambalarea codului pentru reutilizare
- Partajarea codului și colaborarea cu membrii echipei
Salvarea și servirea modelelor cu modele MLflow Modele
- Alegerea unui mediu de implementare (cloud, aplicație autonomă etc.)
- Implementarea modelului de învățare automată
- Servirea modelului
Utilizarea registrului de modele MLflow
- Crearea unui depozit central
- Stocarea, adnotarea și descoperirea modelelor
- Gestionarea modelelor în mod colaborativ.
Integrarea MLflow cu alte sisteme
- Lucrul cu MLflow Plugin-uri
- Integrarea cu sisteme de stocare terțe, furnizori de autentificare și API-uri REST
- Lucrul cu Apache Spark -- opțional
Depanare
Rezumat și concluzii
Cerințe
- Python experiență în programare
- Experiență cu cadre și limbaje de învățare automată .
Audiență
- Științifici de date
- Inginerii de învățare mecanică
21 ore
Mărturii (1)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose