Produksjonssetting av maskinlæringsmodeller – eLearning
4.950,00 NOK
- 20 timer
Bygg bro over gapet mellom å utvikle maskinlæringsmodeller og å ta dem i bruk i virkelige produksjonsmiljøer med dette kurset i utrulling av maskinlæringsmodeller. Utformet for kommende AI- og dataprofesjonelle gir dette praktiske programmet deg ferdighetene til å operasjonalisere maskinlæringsløsninger ved hjelp av moderne metoder for utrulling, API-er, sky og MLOps.
Nøkkelfunksjoner
Språk
Kurs og materiell på engelsk
Nivå
Nybegynner - Middels nivå
5 timer med videoer på forespørsel
1 års tilgang til læringsplattformen
15 veiledede praktiske øvelser
16 automatisk vurderte prøver
20 repetisjonsquizer
2 omfattende oppgaver
20+ timer anbefalt studietid
Sertifikat for fullført program inkludert
Læringsutbytte
Ved slutten av dette kurset vil du kunne forstå:
Bygg
Bygg maskinlæringsmodeller fra bunnen av
AWS
Konfigurer AWS SageMaker Studio og Jupyter Notebook
Distribuer
Distribuer sanntidsendepunkter og administrer oppryddingsprosesser
Utvikle
Utvikle skript for batch-inferens ved hjelp av Batch Transform
Feilsøk
Feilsøk applikasjonsproblemer ved hjelp av Jupyter Notebook
MLOps
Implementer MLOps-arbeidsflyter på AWS ved hjelp av SageMaker
Kursplan
Introduksjon
Leksjon 01
- Hva er modellutrulling?
- Typer av modellutrulling
- Hvordan velge type modellutrulling?
AWS SageMaker
Leksjon 02
- AWS SageMaker-tilsvarende på GCP og Azure
- Logg på AWS-kontoen din
- Konfigurere AWS SageMaker Studio
- Åpne Jupyter i SageMaker Studio
Modelltrening
Leksjon 03
- Kloning av leksjonslageret
- Laster ned datapakke
- Utforskende dataanalyse og feature engineering
- Kode for grunnmodelltrening
- Test modellen lokalt
- SageMaker-treningsjobb
- Justering av hyperparametere
- Analyser resultater
SageMaker sanntidsinferenz
Leksjon 04
- Arkitektur for SageMaker sanntidsinferenz
- Opprett inferanseskriptet
- Distribuering av endepunkt i sanntid
- Kall på modellen
- Opprydding
- Introduksjon til multimodell-endepunkt
- Distribuere multimodell-endepunkt
- Kall opp multimodell-endepunktet
- Introduksjon til serverløs teknologi
- Distribuere som serverløs inferens
SageMaker Batch Transform
Leksjon 05
- Arkitekturen til SageMaker Batch Transform
- Opprett inferanseskriptet for Batch Transform
- Utløs en batchtransformasjonsjobb
- Analyser resultater
MLOps på SageMaker
Leksjon 06
- MLOps: Drift av maskinlæring
- Implementer MLOps i AWS-skyen ved hjelp av SageMaker
- Opprett et MLOps-prosjekt med en SageMaker-mal
- SageMaker-prosjektmal – kode
- Feilsøk applikasjonsfeil med Jupyter Notebook
- Push kodeendringer for å trigge CI/CD
- Test endepunktet
- Opprydding
Hvem bør melde seg på dette programmet?
Maskinlæringsingeniører
Data Scientists
KI-ingeniører
Python-utviklere
DevOps- og MLOps-spesialister
Programvareingeniører som jobber med KI-applikasjoner
Forutsetninger
- Grunnleggende forståelse av maskinlæringskonsepter
- Kjennskap til programmering i Python
- Grunnleggende kunnskap om API-er og webapplikasjoner (anbefales)
- Generell forståelse av skytjenester eller konsepter for programvareutrulling er en fordel
Uttalelser
Lisensiering og akkreditering
Dette kurset tilbys i henhold til Partnerprogramavtalen og er i samsvar med kravene i Lisensavtalen
Likestillingspolicy
Kandidater oppfordres til å ta kontakt med AVC for veiledning og støtte gjennom hele tilretteleggingsprosessen.
Ofte stilte spørsmål
Trenger du en skreddersydd bedriftsintern opplæring eller gruppeopplæring?
Be om et bedriftsinternt opplæringsprogram som er skreddersydd spesielt for teamet ditt. Vi tilbyr fleksible tilpasningsmuligheter i tråd med forretningsmålene dine, samt konkurransedyktige gruppepriser for større team. Fyll ut skjemaet nedenfor, så utformer ekspertene våre innen bedriftsopplæring den perfekte løsningen for deg.