Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Perkenalan
- Mengadaptasi praktik terbaik pengembangan perangkat lunak ke pembelajaran mesin.
- MLflow vs Kubeflow -- di manakah MLflow bersinar?
Ikhtisar Siklus Machine Learning.
- Persiapan data, pelatihan model, penerapan model, penyajian model, dll.
Ikhtisar MLflow Fitur dan Arsitektur
- MLflow Pelacakan, MLflow Proyek, dan MLflow Model
- Menggunakan MLflow antarmuka baris perintah (CLI)
- Menavigasi UI MLflow.
Menyiapkan MLflow
- Menginstal di cloud publik
- Menginstal di server lokal
Mempersiapkan Lingkungan Pembangunan
- Bekerja dengan notebook Jupyter, Python IDE dan skrip mandiri
Mempersiapkan Proyek
- Menghubungkan ke data
- Membuat model prediksi
- Melatih model
Menggunakan MLflow Pelacakan
- Mencatat versi kode, data, dan konfigurasi
- Mencatat file dan metrik keluaran
- Menanyakan dan membandingkan hasil
Menjalankan MLflow Proyek
- Ikhtisar sintaks YAML
- Peran repositori Git
- Kode kemasan untuk dapat digunakan kembali
- Berbagi kode dan berkolaborasi dengan anggota tim
Menyimpan dan Melayani Model dengan MLflow Model
- Memilih lingkungan untuk penerapan (cloud, aplikasi mandiri, dll.)
- Menerapkan model pembelajaran mesin
- Melayani model
Menggunakan MLflow Registri Model
- Menyiapkan repositori pusat
- Menyimpan, membuat anotasi, dan menemukan model
- Mengelola model secara kolaboratif.
Mengintegrasikan MLflow dengan Sistem lain
- Bekerja dengan MLflow Plugin
- Berintegrasi dengan sistem penyimpanan pihak ketiga, penyedia autentikasi, dan REST API
- Bekerja Apache Spark -- opsional
Penyelesaian masalah
Ringkasan dan Kesimpulan
Requirements
- Python pengalaman pemrograman
- Pengalaman dengan kerangka kerja dan bahasa pembelajaran mesin
Hadirin
- Ilmuwan data
- Insinyur pembelajaran mesin
21 Hours