Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Θεμέλια του MLOps στο Kubernetes

  • Βασικές έννοιες του MLOps
  • MLOps έναντι παραδοσιακού DevOps
  • Κύριες προκλήσεις της διαχείρισης του κύκλου ζωής ML

Περιεκτοποίηση Φορτίων Εργασίας ML

  • Πακετάρισμα μοντέλων και κώδικα εκπαίδευσης
  • Βελτιστοποίηση εικόνων container για ML
  • Διαχείριση εξαρτήσεων και αναπαραγωγιμότητα

CI/CD για Μηχανική Μάθηση

  • Δόμηση αποθετηρίων ML για αυτοματισμό
  • Ενσωμάτωση βημάτων δοκιμών και επικύρωσης
  • Ενεργοποίηση διοχετεύσεων για επανεκπαίδευση και ενημερώσεις

GitOps για Ανάπτυξη Μοντέλων

  • Αρχές και ροές εργασίας GitOps
  • Χρήση του Argo CD για ανάπτυξη μοντέλων
  • Έλεγχος εκδόσεων μοντέλων και διαμορφώσεων

Ενορχήστρωση Διοχετεύσεων στο Kubernetes

  • Κατασκευή διοχετεύσεων με το Tekton
  • Διαχείριση ροών εργασίας ML πολλαπλών βημάτων
  • Προγραμματισμός και διαχείριση πόρων

Παρακολούθηση, Καταγραφή και Στρατηγικές Επαναφοράς

  • Παρακολούθηση απόκλισης δεδομένων και απόδοσης μοντέλου
  • Ενσωμάτωση ειδοποιήσεων και παρατηρησιμότητας
  • Προσεγγίσεις επαναφοράς και ανακατεύθυνσης

Αυτοματοποιημένη Επανεκπαίδευση και Συνεχής Βελτίωση

  • Σχεδίαση βρόχων ανατροφοδότησης
  • Αυτοματοποίηση προγραμματισμένης επανεκπαίδευσης
  • Ενσωμάτωση του MLflow για παρακολούθηση και διαχείριση πειραμάτων

Προηγμένες Αρχιτεκτονικές MLOps

  • Μοντέλα ανάπτυξης πολλαπλών συμπλεγμάτων και υβριδικού νέφους
  • Κλιμάκωση ομάδων με κοινόχρηστη υποδομή
  • Ζητήματα ασφάλειας και συμμόρφωσης

Περίληψη και Επόμενα Βήματα

Απαιτήσεις

  • Κατανόηση των βασικών αρχών του Kubernetes
  • Εμπειρία με ροές εργασίας μηχανικής μάθησης
  • Γνώση ανάπτυξης βασισμένης σε Git

Κοινό

  • Μηχανικοί ML
  • Μηχανικοί DevOps
  • Ομάδες πλατφόρμας ML
 14 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (3)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες