|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/bootcamp-de-mlops-machine-learning-operations-hands-on/
课程评论：没有评论
课程名称：高级MLOps机器学习操作实践训练营 概述：如果你正在寻找一个实用、先进且应用性强的MLOps课程，那么你来对地方了。根据Algorithmia的调查，85%的机器学习项目未能进入生产阶段，而MLOps市场正在不断增长，预计2019年市场规模为232亿美元，2025年将达到1260亿美元。因此，学习MLOps将为你带来丰富的职业机会。 本课程旨在教授与MLOps相关的所有知识，从模型的开发、注册和版本控制，到监控、CI/CD、云部署、产品化、模型服务以及通过API和Web应用进行生产化。通过理论培训、可下载的学习指南、实践练习和真实案例的实验，该课程将教会你如何实施完整的MLOps周期。 课程内容包括： - MLOps的基本概念和基础知识 - 传统机器学习生命周期管理的挑战 - MLOps如何解决模型上线的问题 - MLOps的实施层级 - 全面的MLOps工具箱，学习最新MLOps工具 - 工具安装 - 使用MLFlow跟踪实验和记录模型 - 使用Pycaret自动化模型生命周期 - 模型可解释性和数据漂移 - 模型版本控制 - 使用Docker封装和分发机器学习应用 - 模型的生产化 - 使用FastAPI开发API，将ML模型集成到企业工具或软件中 - 使用Gradio开发Web应用，供业务用户使用模型 - 使用Flask开发应用并通过容器进行云部署 - 在Azure云上部署模型，使用Docker镜像、Blob存储或Azure机器学习服务 加入我们，你将获得： - MLOps培训指南（PDF电子书） - 可下载的文件、代码和资源 - 真实案例的实验室 - 实践练习和测试 - 资源如备忘单和摘要 - 一对一专家支持 - 课程问答论坛 - 30天退款保证 如果你准备好提升自己的MLOps技能，增加职业机会，成为数据科学专业人士，我们期待你的加入！
Si estás buscando un curso práctico, avanzado y aplicado para aprender las tecnologías de MLOps, has venido al lugar correcto.Según una encuesta de Algorithmia, el 85% de los proyectos de Machine Learning no llegan a producción. Además, el mercado de MLOps no para de crecer. Se estimó en $23,2 mil millones para el 2019 y se proyecta que alcance los $126 mil millones para 2025. Por ello, el formarte en MLOps te dará numerosas oportunidades laborales y profesionales.Este curso está diseñado para aprender todo lo relacionado con MLOps, desde el desarrollo, registro y versionado de modelos hasta la monitorización, CI/CD, despliegue en cloud, productivización, model serving y puesta en producción mediante APIs y aplicaciones web.Con la formación teórica, las guías de estudio descargables, los ejercicios prácticos y los laboratorios aplicados a casos de uso reales este es el único curso que necesitarás para aprender a implementar un ciclo completo de MLOps.Para ello, te guiaremos a través de las competencias de MLOps, compartiendo explicaciones claras y útiles consejos profesionales.¿Qué incluye el curso?Conceptos básicos y fundamentos de MLOps. Desafíos en la gestión tradicional del ciclo de vida del ML. Cómo MLOps aborda los problemas de subir a producción un modeloNiveles de implantación del MLOpsToolbox completo de MLOps. Aprenderemos algunas de las herramientas más novedosas de MLOps.Instalación de herramientas.Seguimiento de experimentos y registro de modelos con MLFlow.Automatización del ciclo de vida del modelo con Pycaret. Pycaret permite automatizar y facilitar gran parte del ciclo de MLOps, como el versionado de modelos, entrenamiento, evaluación y despliegue de modelos.Interpretabilidad de modelos y deriva de datos.Versionado de modelosDocker. Aprenderemos a encapsular y distribuir fácilmente una aplicación de Machine Learning a través de un contenedor de Docker.Puesta en producción de modelos.Desarrollo de APIs con FastAPI. Aprenderemos a desarrollar una API para que podamos integrar nuestro modelo de ML en herramientas o software empresariales.Desarrollo de una aplicaciones web con Gradio. Aprenderemos a desarrollar una aplicación web para que cualquier usuario de negocio pueda hacer uso del modelo.Desarrollo de aplicación con Flask y despliegue en cloud mediante containers. Aprenderemos a desarrollar una aplicación de ML con Flask y HTML, a sitribuirla a traves de un container de Docker y a ponerla en producción en Azure.Despliegue en el Cloud de Azure de modelos. Aprenderemos a desplegar modelos en el cloud a través de imágenes de Docker, Blob Storage o Azure Machine Learning.Únete hoy y obtén acceso inmediato y de por vida a:• Guía de formación de MLOps (e-book en PDF)• Archivos, códigos y recursos descargables• Laboratorios aplicados a casos de uso reales• Ejercicios prácticos y cuestionarios• Recursos como: Cheatsheets y resúmenes• Soporte experto 1 a 1• Foro de preguntas y respuestas del curso• 30 días de garantía de devolución de dineroSi estás listo para mejorar sus habilidades de MLOps, aumentar tus oportunidades laborales y convertirte en un profesional en ciencia de datos, te esperamos.
