Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Εξέλιξη Κομματιού
Εισαγωγή στα μοντέλα Devstral και Mistral
- Περίληψη των open-source μοντέλων του Mistral
- 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