Tento kurz poskytuje základní pochopení principů vznikající a vyvíjející se oblasti operací strojového učení (MLOps). Studenti budou vybaveni základními koncepty DevOps, Data Science a Machine Learning v oblasti MLOps. Tento kurz pokryje celý životní cyklus modelu s využitím technologií Open Source
Tento kurz poskytuje základní pochopení principů vznikající a vyvíjející se oblasti operací strojového učení (MLOps). Studenti budou vybaveni základními koncepty DevOps, Data Science a Machine Learning v oblasti MLOps. Tento kurz pokryje celý životní cyklus modelu s využitím technologií Open Source a nabídne také pohled na komerční nástroje.
Po úspěšném absolvování předmětu studenti - Pochopí koncepty DevSecOps, Data Science a Machine Learning a jak jsou integrovány do MLOps. - Porozumí výzvám nasazení a údržby modelů strojového učení ve velkém měřítku. - Naučí se technologie open source používané v MLops, včetně správy verzí, průběžné integrace/nepřetržitého zavádění (CI/CD), kontejnerizace, cloudových nativních nasazení a platforem DevSecOps. - Naučí se vytvářet kanály MLOps, včetně struktury projektu, kontroly kódu, předběžného zpracování dat, vývoje modelu, testování modelu, nasazení a monitorování. - Naučí se postupy softwarového inženýrství aplikované do datové vědy
Úvod do MLOps - Přehled DevOps a MLOps - Výzvy při zavádění a údržbě modelů strojového učení ve velkém měřítku - Životní cyklus MLOps Infrastruktura MLOps - Kontrola verzí (Git a GitLab) - Cloudové nativní technologie (Docker, Kubernetes) - Kontejnerizace - Orchestrizace - Sklad funkcí a registr modelů - Automatizační platformy - Návrhové vzory MLOps Získávání dat a jejich předzpracování - Technologie sběru, hashování a ukládání dat - Čištění a předzpracování dat - Systémy kontroly verzí pro data a kód Experimentování s modelem - Sledovače experimentů - Automatizované školení a ověřování modelů - Model kandidátů a kontrola verzí Nasazení systémů ML - Vzorce nasazení - Nasazení na cloudové platformy - Monitorování a údržba modelu - Model Drift a rekvalifikace Metody hodnocení - Praktický úkol
Doporučená příprava:
Používej Markdown: ## Nadpis, **tučně**, `kód`, - odrážky, > citace