LearnFlat · AI, Công Nghệ & Kỹ Thuật · AI & Học máy

MLOps (Vận hành Học máy)

Tìm hiểu các nguyên tắc và phương pháp để triển khai, giám sát và duy trì các mô hình học máy trong môi trường sản xuất. Thu hẹp khoảng cách giữa khoa học dữ liệu và DevOps.

MLOps (Vận hành Học máy)

Phân phối mô hình học máy trong các luồng công việc doanh nghiệp

AI Workflows in Production: Deploying Models with Docker and APIs (bằng tiếng Anh).

AWS Machine Learning Engineering: SageMaker và MLOps Workflows (tiếng Anh)

MLOps cơ bản với nền tảng đám mây

Triển khai mô hình học máy

Phân tích thông minh và học máy với GCP

Cloud Data Analytics và Machine Learning Fundamentals

Xây dựng mô hình học máy với TensorFlow trên đám mây

Khoa học dữ liệu Azure và học máy cho kỳ thi DP-100

Azure AI và cơ sở học máy

Các Nguyên Tắc Cơ Bản về Hạ Tầng AI Nền Tảng Đám Mây

Quy trình làm việc của Machine Learning: Từ Dữ liệu đến Triển khai

MLOps với Vertex AI: Quản lý các tính năng trong sản xuất

AWS Machine Learning Foundations for Software Developers (bằng tiếng Anh).

AWS Certified Machine Learning Engineer Associate Exam Prep (MLA-C01)

Scaling TinyML with MLOps: Deploying Machine Learning to Edge Devices (bằng tiếng Anh).

Dữ liệu liên quan tới Azurea tại Wikispecies

Azure Machine Learning: Mô hình huấn luyện và thử nghiệm

Bản mẫu:Các nguyên tắc của DevOps

Luyện tập và theo dõi mô hình học máy với MLflow trong Fabric

Truy cập ngày 1 tháng 10 năm 2013. ^ Continuous Deployment for Machine Learning: Building MLOps Pipelines

Thiết kế giải pháp MLOps với Azure Machine Learning

Cấu hình mục tiêu tính toán trong Azure Machine Learning

Tuning Hyperparameter với Azure Machine Learning