Tento kurz navazuje na metodologii DevOps, která je běžná ve vývoji softwaru, a rozšiřuje ji na oblast vytváření, trénování a nasazování modelů strojového učení (ML). Kurz je založen na čtyřúrovňovém MLOps modelu vyspělosti. Zaměřuje se na první tři úrovně, tedy počáteční, opakovatelnou a spolehlivou. Kurz zdůrazňuje význam dat, modelu a kódu pro úspěšné nasazení ML řešení. Ukazuje také využití nástrojů, automatizace, procesů a týmové spolupráce při řešení výzev spojených s předáváním práce mezi datovými inženýry, datovými vědci, softwarovými vývojáři a provozem. Kurz rovněž probírá využití nástrojů a procesů pro monitorování a zásah v případě, že predikce modelu v produkčním prostředí začne vychylovat od stanovených klíčových ukazatelů výkonnosti (KPI).

Co se naučíte?

• Vysvětlit přínosy MLOps
• Porovnat a rozlišit DevOps a MLOps
• Zhodnotit bezpečnostní a governance požadavky pro konkrétní použití ML a popsat možná řešení a strategie zmírnění rizik
• Nastavit experimentální prostředí pro MLOps pomocí Amazon SageMaker
• Vysvětlit osvědčené postupy pro verzování a zajištění integrity artefaktů ML modelu (dat, modelu a kódu)
• Popsat tři možnosti, jak vytvořit plně funkční CI/CD pipeline v kontextu strojového učení
• Zapamatovat si (uvést) osvědčené postupy pro implementaci automatizovaného balení, testování a nasazování (dat/modelu/kódu)
• Ukázat, jak monitorovat řešení založená na strojovém učení
• Ukázat, jak automatizovat řešení ML, které automatizovaně testuje, balí a nasazuje model, detekuje zhoršení výkonu a znovu trénuje model na nově získaných datech

Pro koho je kurz vhodný?

• MLOps inženýry, kteří chtějí nasazovat do produkce a monitorovat modely strojového učení v cloudu AWS
• DevOps inženýry, kteří budou zodpovědní za úspěšné nasazení a údržbu modelů strojového učení v produkčním prostředí

Jak se na konferenci registrovat?

Registrovat se můžete na tomto odkazu.