Εξέλιξη Κομματιού

Εισαγωγή

    Μοντέλα Μηχανικής Μάθησης απέναντι σε παραδοσιακό λογισμικό

Σύνοψη του ρου DevOps

Σύνοψη του ρου Μηχανικής Μάθησης

Η Μηχανική Μάθηση ως Κώδικας και Δεδομένα

Συστατικά ενός συστήματος Μηχανικής Μάθησης

Ανάλεξη: Εφαρμογή πρόβλεψης πωλήσεων

Πρόσβαση στα δεδομένα

Επικύρωση των δεδομένων

Μετατροπή δεδομένων

Από τον αγωγό δεδομένων στον αγωγό Μηχανικής Μάθησης

Κατασκευή του μαθηματικού μοντέλου δεδομένων

Εκπαίδευση του μοντέλου

Επικύρωση του μοντέλου

Αναπαράγων εκπαίδευση του μοντέλου

Εφαρμογή ενός μοντέλου

Παροχή εκπαιδευμένου μοντέλου στη παραγωγή

Δοκιμασία ενός συστήματος Μηχανικής Μάθησης

Χειρισμός αυτόματης παράδοσης

Παρακολούθηση του μοντέλου

Έκδοση δεδομένων

Αποδοχή, κλιμάκωση και συντήρηση ενός πλατφόρμας MLOps

Διαγώνισμα

Σύνοψη και Συμπέρασμα

Απαιτήσεις

  • Ένας κατανοητικός προσδιορισμός του κύκλου ανάπτυξης λογισμικού
  • Εμπειρία στην κατασκευή ή εργασία με υπολογιστικά μοντέλα
  • Γνώση της γλώσσας προγραμματισμού Python

Ακροατήριο

  • Μηχανικοί ML (Machine Learning)
  • Μηχανικοί DevOps
  • Μηχανικοί δεδομένων
  • Μηχανικοί υποδομής
  • Αναπτυξεις λογισμικού
 35 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετοχαστή

Σχόλια (3)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες