Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Trainierst du 2 oder mehr?
Versuchen DataCamp for BusinessBeliebt bei Lernenden in Tausenden Unternehmen
Kursbeschreibung
Erfahre mehr über Machine Learning Operations (MLOps)
Das Verständnis der MLOps-Konzepte ist für jeden Datenwissenschaftler, Ingenieur oder jede Führungskraft unerlässlich, um Machine-Learning-Modelle von einem lokalen Notebook zu einem funktionierenden Modell in der Produktion zu bringen.In diesem Kurs lernst du, was MLOps ist, verstehst die verschiedenen Phasen des MLOps-Prozesses und erkennst die verschiedenen Reifegrade von MLOps. Nachdem du die wichtigsten MLOps-Konzepte kennengelernt hast, bist du gut gerüstet, um maschinelles Lernen kontinuierlich, zuverlässig und effizient umzusetzen.
Entdecke, wie maschinelles Lernen skaliert und automatisiert werden kann
Wie können wir unsere Machine-Learning-Projekte mit einem Minimum an Zeit und Ressourcen skalieren? Und wie können wir unsere Prozesse automatisieren, um den Bedarf an manuellen Eingriffen zu verringern und die Modellleistung zu verbessern? Das sind grundlegende Fragen des maschinellen Lernens, auf die MLOps die Antworten liefert.In diesem MLOps-Kurs lernst du zunächst die Grundlagen von MLOps kennen, indem du dir die wichtigsten Funktionen und die damit verbundenen Rollen ansiehst. Als Nächstes wirst du die verschiedenen Phasen des Lebenszyklus des maschinellen Lernens genauer kennenlernen.
Im weiteren Verlauf lernst du auch Systeme und Tools kennen, mit denen du maschinelles Lernen besser skalieren und automatisieren kannst, z. B. Feature Stores, Experiment Tracking, CI/CD Pipelines, Microservices und Containerisierung. Du lernst die wichtigsten MLOps-Konzepte kennen und bekommst ein besseres Verständnis für ihre Anwendung.
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Associate AI Engineer für Datenwissenschaftler
Gehe zu TrackIMachine Learning Engineer
Gehe zu TrackMachine Learning in der Produktion in Python
Gehe zu Track- 1
Einführung in MLOps
KostenlosZunächst lernst du die wichtigsten Funktionen von MLOps kennen. Du wirst den Lebenszyklus des maschinellen Lernens, seine Phasen und die mit MLOps-Prozessen verbundenen Rollen kennenlernen.
- 2
Design und Entwicklung
Als Nächstes erfährst du etwas über die Entwurfs- und Entwicklungsphase im Lebenszyklus des maschinellen Lernens. Du wirst dich mit der Schätzung des Mehrwerts, der Datenqualität, den Feature Stores und der Verfolgung von Experimenten beschäftigen.
MLOps-Design50 xpBestimme den Mehrwert50 xpKey metrics100 xpData quality and ingestion50 xpDetermining data quality50 xpData quality dimensions100 xpFeature engineering50 xpImproving model performance50 xpHelping a friend100 xpExperiment tracking50 xpWhat can we track?50 xpWas können wir verfolgen?50 xp - 3
Einsatz von Machine Learning in der Produktion
In diesem Kapitel beschäftigst du dich mit den Konzepten, die für den Einsatz von maschinellem Lernen in der Produktion relevant sind, wie Laufzeitumgebungen, Containerisierung, CI/CD Pipelines und Einsatzstrategien.
Modell für den Einsatz vorbereiten50 xpLaufzeitumgebungen50 xpTo containerize or not to containerize50 xpArchitektur für den Einsatz von maschinellem Lernen50 xpMicroservice50 xpAPI Datenfluss100 xpCI/CD und Einsatzstrategie50 xpCI/CD Pipelines50 xpStrategien für den Einsatz100 xpAutomatisierung und Skalierung50 xpWie Komponenten automatisieren und skalieren100 xpMLOps-Komponenten50 xp - 4
Maschinelles Lernen in der Produktion aufrechterhalten
Schließlich erfährst du, wie du maschinelles Lernen in der Produktion aufrechterhalten kannst, mit Konzepten wie statistischer und rechnerischer Überwachung, Umschulung, verschiedenen Reifegraden MLOps und Tools, die im Lebenszyklus des maschinellen Lernens eingesetzt werden können, um Prozesse zu vereinfachen.
Überwachung von Machine Learning Modellen50 xpÜberwachung durch maschinelles Lernen50 xpStatistische vs. rechnerische Überwachung100 xpEin maschinelles Lernmodell neu trainieren50 xpBeispiele für Drift100 xpUmschulung50 xpStufen der MLOps-Reife50 xpMLOps-Reife50 xpMLOps Reifegrade100 xpMLOPs-Tools50 xpEin Werkzeug benutzen50 xpWähle das richtige Werkzeug100 xpRekapitulation: MLOps-Konzepte50 xp
Trainierst du 2 oder mehr?
Verschaffen Sie Ihrem Team Zugriff auf die vollständige DataCamp-Plattform, einschließlich aller Funktionen.In den folgenden Tracks
Associate AI Engineer für Datenwissenschaftler
Gehe zu TrackIMachine Learning Engineer
Gehe zu TrackMachine Learning in der Produktion in Python
Gehe zu TrackIn anderen Tracks
MLOps-GrundlagenMitwirkende
Folkert Stijnman
Mehr AnzeigenML Engineer
Was sagen andere Lernende?
Melden Sie sich an 15 Millionen Lernende und starten Sie MLOps Konzepte Heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.