Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Εισαγωγή στο Cursor για ροές εργασίας δεδομένων και ML

  • Επισκόπηση του ρόλου του Cursor στη μηχανική δεδομένων και ML
  • Ρύθμιση του περιβάλλοντος και σύνδεση πηγών δεδομένων
  • Κατανόηση της βοήθειας κώδικα με υποστήριξη AI σε notebooks

Επιτάχυνση της ανάπτυξης notebook

  • Δημιουργία και διαχείριση φυλλαδίων Jupyter μέσα στο Cursor
  • Χρήση AI για ολοκλήρωση κώδικα, εξερεύνηση δεδομένων και οπτικοποίηση
  • Τεκμηρίωση πειραμάτων και διατήρηση της αναπαραγωγιμότητας

Δημιουργία αγωγών ETL και μηχανικής χαρακτηριστικών

  • Παραγωγή και ανασχεδιασμός σεναρίων ETL με AI
  • Δόμηση αγωγών χαρακτηριστικών για κλιμακωσιμότητα
  • Έλεγχος εκδόσεων σε συνιστώσες αγωγών και σύνολα δεδομένων

Εκπαίδευση και αξιολόγηση μοντέλων με το Cursor

  • Δημιουργία σκαλωσιάς κώδικα εκπαίδευσης μοντέλων και βρόχων αξιολόγησης
  • Ενσωμάτωση προεπεξεργασίας δεδομένων και ρύθμισης υπερπαραμέτρων
  • Εξασφάλιση αναπαραγωγιμότητας μοντέλων σε διαφορετικά περιβάλλοντα

Ενσωμάτωση του Cursor σε αγωγούς MLOps

  • Σύνδεση του Cursor με μητρώα μοντέλων και ροές εργασίας CI/CD
  • Χρήση σεναρίων με βοήθεια AI για αυτοματοποιημένη επανεκπαίδευση και ανάπτυξη
  • Παρακολούθηση του κύκλου ζωής μοντέλων και ιχνηλάτηση εκδόσεων

Τεκμηρίωση και αναφορά με βοήθεια AI

  • Παραγωγή ενσωματωμένης τεκμηρίωσης για αγωγούς δεδομένων
  • Δημιουργία περιλήψεων πειραμάτων και αναφορών προόδου
  • Βελτίωση της συνεργασίας ομάδας με τεκμηρίωση συνδεδεμένη με πλαίσιο

Αναπαραγωγιμότητα και διακυβέρνηση σε έργα ML

  • Εφαρμογή βέλτιστων πρακτικών για γραμμή γενεαλογίας δεδομένων και μοντέλων
  • Διατήρηση διακυβέρνησης και συμμόρφωσης με κώδικα που παράγεται από AI
  • Έλεγχος αποφάσεων AI και διατήρηση ιχνηλασιμότητας

Βελτιστοποίηση παραγωγικότητας και μελλοντικές εφαρμογές

  • Εφαρμογή στρατηγικών προτροπών για ταχύτερη επανάληψη
  • Εξερεύνηση ευκαιριών αυτοματισμού σε λειτουργίες δεδομένων
  • Προετοιμασία για μελλοντικές εξελίξεις στην ενσωμάτωση Cursor και ML

Σύνοψη και επόμενα βήματα

Απαιτήσεις

  • Εμπειρία με ανάλυση δεδομένων με Python ή μηχανική μάθηση
  • Κατανόηση των ροών εργασίας ETL και εκπαίδευσης μοντέλων
  • Εξοικείωση με εργαλεία ελέγχου εκδόσεων και αγωγών δεδομένων

Κοινό

  • Επιστήμονες δεδομένων που κατασκευάζουν και επαναλαμβάνουν notebooks ML
  • Μηχανικοί μηχανικής μάθησης που σχεδιάζουν αγωγούς εκπαίδευσης και συμπερασμού
  • Επαγγελματίες MLOps που διαχειρίζονται την ανάπτυξη μοντέλων και την αναπαραγωγιμότητα
 14 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Εφεξής Μαθήματα

Σχετικές Κατηγορίες