MLOps Conceitos
Descubra como o MLOps leva modelos de machine learning de notebooks locais à produção com valor real.
Comece O Curso Gratuitamente2 horas16 vídeos46 exercícios20.226 aprendizesDeclaração de Realização
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?
Tentar DataCamp for BusinessAmado por alunos de milhares de empresas
Descrição do Curso
Saiba mais sobre as operações de aprendizado de máquina (MLOps)
Compreender os conceitos de MLOps é essencial para que qualquer cientista de dados, engenheiro ou líder leve os modelos de aprendizado de máquina de um notebook local para um modelo funcional na produção.Neste curso, você aprenderá o que é MLOps, entenderá as diferentes fases dos processos de MLOps e identificará os diferentes níveis de maturidade de MLOps. Depois de aprender sobre os conceitos essenciais de MLOps, você estará bem equipado em sua jornada para implementar o aprendizado de máquina de forma contínua, confiável e eficiente.
Descubra como o aprendizado de máquina pode ser dimensionado e automatizado
Como podemos dimensionar nossos projetos de aprendizado de máquina usando o mínimo de tempo e recursos? E como podemos automatizar nossos processos para reduzir a necessidade de intervenção manual e melhorar o desempenho do modelo? Essas são perguntas fundamentais sobre aprendizado de máquina para as quais o MLOps fornece as respostas.Neste curso de MLOps, você começará explorando os fundamentos do MLOps, analisando os principais recursos e as funções associadas. A seguir, você explorará as várias fases do ciclo de vida do aprendizado de máquina com mais detalhes.
À medida que progredir, você também aprenderá sobre sistemas e ferramentas para dimensionar e automatizar melhor as operações de aprendizado de máquina, incluindo armazenamentos de recursos, rastreamento de experimentos, pipelines de CI/CD, microsserviços e conteinerização. Você explorará os principais conceitos de MLOps, o que lhe dará uma compreensão mais sólida de suas aplicações.
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Engenheiro associado de IA para cientistas de dados
Ir para a trilhaEngenheiro de aprendizado de máquina
Ir para a trilhaAprendizado de máquina na produção em Python
Ir para a trilha- 1
Introdução ao site MLOps
GratuitoPrimeiro, você aprenderá sobre os principais recursos do MLOps. Você explorará o ciclo de vida do aprendizado de máquina, suas fases e as funções associadas aos processos de ps MLO.
- 2
Design e desenvolvimento
Em seguida, você aprenderá sobre a fase de projeto e desenvolvimento no ciclo de vida do aprendizado de máquina. Você explorará a estimativa de valor agregado, a qualidade dos dados, os armazenamentos de recursos e o rastreamento de experimentos.
MLOps design50 xpDeterminar o valor agregado50 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 xpO que podemos rastrear?50 xp - 3
Implementação do aprendizado de máquina na produção
Neste capítulo, você se aprofundará nos conceitos relevantes para a implantação do aprendizado de máquina na produção, como ambientes de tempo de execução, conteinerização, pipelines CI/CD e estratégias de implantação.
Preparação do modelo para implantação50 xpAmbientes de tempo de execução50 xpTo containerize or not to containerize50 xpArquitetura de implantação de aprendizado de máquina50 xpMicrosserviço50 xpAPI fluxo de dados100 xpCI/CD e estratégia de implantação50 xpCI/CD pipelines50 xpEstratégias de implantação100 xpAutomação e dimensionamento50 xpComo os componentes são automatizados e dimensionados100 xpMLOcomponentes ps50 xp - 4
Manutenção da aprendizagem automática na produção
Por fim, você aprenderá a manter o aprendizado de máquina em produção, com conceitos como monitoramento estatístico e computacional, retreinamento, diferentes níveis de MLOps maturidade e ferramentas que podem ser usadas no ciclo de vida do aprendizado de máquina para simplificar os processos.
Monitoramento de modelos de aprendizado de máquina50 xpMonitoramento de aprendizado de máquina50 xpMonitoramento estatístico vs. computacional100 xpRetreinamento de um modelo de aprendizado de máquina50 xpExemplos de desvios100 xpRetreinamento50 xpNíveis de MLOps maturidade50 xpMLOmaturidade ps50 xpMLOníveis de maturidade ps100 xpMLOFerramentas ps50 xpUsando uma ferramenta50 xpEscolha a ferramenta certa100 xpRecapitulando: MLOps concepts50 xp
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
Engenheiro associado de IA para cientistas de dados
Ir para a trilhaEngenheiro de aprendizado de máquina
Ir para a trilhaAprendizado de máquina na produção em Python
Ir para a trilhaEm outras faixas
MLOps Fundamentalscolaboradores
Folkert Stijnman
Ver MaisML Engineer
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece MLOps Conceitos hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.