Py学习  »  机器学习算法

《生产系统中的机器学习工程 (MLOps) 专业课程》介绍

TensorFlow • 2 年前 • 292 次点击  



第一课

介绍生产系统中的机器学习

(2021 年 11 月 16 日正式上线)

讲师:

Andrew Ng, 

Cristian Bartolomé Arámburu


在《生产系统中的机器学习工程 (MLOps)》专业课程的第一门课中,您将识别各种组件并设计端到端的机器学习生产系统,内容包括:项目范围、数据需求、建模策略、部署约束及需求;同时还将学习如何建立模型基线、解决概念漂移,并为开发、部署和持续改进一个产品化的机器学习应用程序创建流程原型。


  • 第一章:机器学习生命周期和部署概述

  • 第二章:选择并训练一个模型

  • 第三章:数据定义和基线


第二课

生产系统中的机器学习数据生命周期

(预计将于 2022 年 1 月 1 日上线)

讲师:Robert Crowe


在《生产系统中的机器学习工程 (MLOps)》专业课程的第二门课中,您将通过收集、清理、验证数据集和评估数据质量来构建数据管道;使用 TensorFlow Extended (TFX) 实现特征工程、转换和选择,并从数据中获得最大的预测能力;利用数据沿袭和来源元数据工具建立数据生命周期,并使用企业数据模式跟踪数据发展。


  • 第一章:收集、标记和验证数据

  • 第二章:特征工程、转换和选择

  • 第三章:数据旅程和数据存储

  • 第四章:高级数据标记方法、数据增强和预处理不同数据类型


第三课

生产系统中的机器学习建模管道

(预计将于 2022 年 2 月 16 日上线)

师:Robert Crowe


在《生产系统中的机器学习工程 (MLOps)》专业课程的第三门课中,您将为不同的服务环境构建模型;实践有效管理建模资源的工具和技术,并为离线和在线推理请求提供最佳服务;使用分析工具和性能指标来解决模型公平性、可解释性问题并缓解瓶颈。


  • 第一章:神经架构搜索

  • 第二章:模型资源管理技术

  • 第三章:高性能建模

  • 第四章:模型分析

  • 第五章:可解释性


第四课

在生产系统中部署机器学习模型

(预计将于 2022 年 4 月 1 日上线)

讲师:

Laurence Moroney, 

Robert Crowe


在《生产系统中的机器学习工程 (MLOps)》专业课程的第四门课中,您将学习如何部署机器学习模型,并将它们提供给最终用户。您将构建可伸缩和可靠的硬件基础设施,根据用例以实时和批量处理的方式交付推断请求。您还将实现工作流自动化和渐进交付,以符合当前的 MLOps 实践,并保持生产系统的运行。此外,您还将对系统进行实时监控以检测模型衰减、纠正性能下降,并避免系统故障,以便它可以全时段持续运行。


  • 第一章:模型服务介绍

  • 第二章:模型服务模式和基础设施

  • 第三章:模型管理和交付

  • 第四章:模型监控和日志



课程地址:DeepLearning.AI 中国官方网站

  • DeepLearning.AI 中国官方网站

    https://www.deeplearningai.net/


点击“阅读原文”访问 TensorFlow 官网



不要忘记“一键三连”哦~

分享

点赞

在看

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/122683
 
292 次点击