Szkolenie MLflow
Poziom
ŚredniozaawansowanyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie MLflow
Szkolenie z MLflow to intensywny, dwudniowy kurs, który koncentruje się na praktycznym zastosowaniu MLflow do zarządzania cyklem życia modeli machine learningowych. Program szkolenia jest tak zaprojektowany, aby 80% czasu poświęcone było na praktyczne warsztaty, a 20% na teorię. Uczestnicy nauczą się, jak efektywnie rejestrować, śledzić, wdrażać i monitorować modele ML, pracując na rzeczywistych przykładach i przypadkach użycia.
Data scientistów i inżynierów danych, którzy chcą poszerzyć swoje umiejętności w zakresie zarządzania cyklem życia modeli ML-
Specjalistów IT, którzy chcą wykorzystać MLflow do automatyzacji procesów ML w swoich organizacjach
-
Programistów i inżynierów ML, pragnących wdrażać i monitorować modele ML w środowisku produkcyjnym
-
Znajomość podstaw programowania w Pythonie
-
Doświadczenie z narzędziami do analizy danych będzie dodatkowym atutem
-
Podstawowa wiedza z zakresu uczenia maszynowego
Czego nauczysz się na szkoleniu MLflow?
-
Jak konfigurować i zarządzać MLflow do śledzenia eksperymentów ML
-
Jak monitorować i aktualizować wdrożone modele ML
-
Jak rejestrować, przechowywać i wdrażać modele ML za pomocą MLflow
-
Jak integrować MLflow z popularnymi frameworkami ML i platformami chmurowymi
Program szkolenia MLflow
Dzień 1: Wprowadzenie do MLflow i podstawy zarządzania modelami
Podstawy MLflow
- Wprowadzenie do MLflow i jego architektury
- Instalacja i konfiguracja MLflow
Śledzenie eksperymentów z MLflow Tracking
- Rejestrowanie i śledzenie eksperymentów ML
- Zarządzanie metadanymi i wynikami eksperymentów
Modelowanie i przechowywanie modeli
- Rejestrowanie modeli z MLflow Models
- Przechowywanie modeli w repozytorium modeli
Rejestrowanie i śledzenie eksperymentów
- Praktyczne ćwiczenia z rejestrowania i śledzenia eksperymentów ML
- Analiza i interpretacja wyników eksperymentów
Dzień 2: Zaawansowane techniki i praktyczne zastosowania
Wdrażanie modeli z MLflow Projects
- Tworzenie i konfigurowanie projektów MLflow
- Wdrażanie modeli na różnych platformach
Monitorowanie modeli z MLflow Models
- Monitorowanie wdrożonych modeli ML
- Aktualizowanie i optymalizacja wdrożonych modeli
Integracja z innymi narzędziami i usługami
- Integracja MLflow z popularnymi frameworkami ML (TensorFlow, PyTorch, Scikit-Learn)
- Integracja MLflow z platformami chmurowymi (AWS, Azure, GCP)
Wdrażanie i monitorowanie modelu
- Praktyczne ćwiczenia z wdrażania modelu MLflow
- Monitorowanie i optymalizacja wdrożonego modelu
Pobierz program
Pobierz szczegółowy program w PDF, żeby dowiedzieć się więcej o godzinach i tematach zajęć.
