Εξέλιξη Κομματιού

Εισαγωγή στα μοντέλα Devstral και Mistral

  • Περίληψη των open-source μοντέλων του Mistral
  • Aπόδοση της άδειας Apache-2.0 και εφαρμογή σε επιχειρήσεις
  • Ο ρόλος του Devstral στην κωδικοποίηση και τις ιεραρχικές ροές εργασίας

Αυτοφιλοξενία Mistral και Devstral μοντέλων

  • Προετοιμασία περιβάλλοντος και επιλογές υποδομής
  • Κομψότητα και διαίθεση με Docker/Kubernetes
  • Παραμέτρους ανάληψης σε παραγωγική χρήση

Τεχνικές εξόρθωσης

  • Εποπτευμένη εξόρθωση αντιπαραβάλλεται με παράμετρα-εξτατική εξόρθωση
  • Προετοιμασία και καθαρισμός συνόλου δεδομένων
  • Παραδείγματα περιβάλλον-συγκεκριμένης προσαρμογής

Διαχείριση και έκδοση μοντέλων

  • Καλύτερες πρακτικές για τη διαχείριση κύκλου ζωής μοντέλου
  • Έκδοση μοντέλου και στρατηγικές απόκλισης
  • Διαδίκειες CI/CD για ML μοντέλα

Ηγεμονία και συμμόρφωση

  • Ζητήματα ασφάλειας για την υποδοχή open-source
  • Παρακολούθηση και ελέγχιμη συμπεριφορά σε επιχειρηματικό πλαίσιο
  • Πλαίσια συμμόρφωσης και υπεύθυνες πρακτικές AI

Παρακολούθηση και εξονυχιστική διαφάνεια

  • Παρακολούθηση παρέκκλισης μοντέλου και υποβάθμισης ακρίβειας
  • Υποδοχή για επιδόσεις προσωπικής συντήρησης
  • Εξόδου και ροές απάντησης

Καταγραφές περιπτώσεων και καλύτερες πρακτικές

  • Επαγγελματικοί χρήσεις της Mistral και Devstral
  • Υποθετική ισορροπία συνόλου, απόδοσης και ελέγχου
  • Εμπειρίες μάθησης από την υποδοχή open-source Model Ops

Περίληψη και επόμενα βήματα

Απαιτήσεις

  • Κατανόηση των ρευματολογιών μάθησης από μηχανή
  • Εμπειρία σε πλατφόρμες ML με βάση το Python
  • Γνωριμία με υποδοχές και περιβάλλοντα εκτέλεσης σε container

Ακροατήριο

  • ML μηχανικοί
  • Ομάδες πλατφόρμων δεδομένων
  • Μηχανικοί έρευνας
 14 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Εφεξής Μαθήματα

Σχετικές Κατηγορίες