Einführung in MLOps: Pipelines mit Azure erstellen und bereitstellen

Viele Modelle des maschinellen Lernens schaffen es nie über die experimentelle Phase hinaus, da die Überführung in den Produktivbetrieb einen systematischen, automatisierten Ansatz erfordert. Dieser Kurs führt Sie in MLOps ein, die zentrale Disziplin, die die Entwicklung von maschinellem Lernen mit dem Betrieb verbindet, um zuverlässige und skalierbare Modelle in der Praxis bereitzustellen. Mithilfe dieses umfassenden Leitfadens lernen Sie, vom manuellen Modelltraining zur Entwicklung automatisierter, produktionsreifer Workflows überzugehen. Sie erfahren, wie Sie DevOps-Prinzipien in der Datenwissenschaft anwenden und so automatisierte Tests, Continuous Integration und die systematische Bereitstellung von Modellen ermöglichen. Lerninhalte: - Die Kernkonzepte von MLOps verstehen, einschließlich Reifegraden, Lebenszyklusphasen und den Herausforderungen der traditionellen Bereitstellung von maschinellem Lernen. - CI/CD-Pipelines speziell für Workflows des maschinellen Lernens entwerfen. - Continuous-Training-Schleifen (CT) konfigurieren, um Modelle bei neuen Daten automatisch neu zu trainieren. - Azure Machine Learning- und Azure DevOps-Konzepte anwenden, um durchgängige Pipelines für maschinelles Lernen zu orchestrieren. - Bereitgestellte Modelle im Produktivbetrieb mithilfe von Drift-Erkennung und Leistungsüberwachung überwachen, um langfristige Zuverlässigkeit zu gewährleisten. Sie beginnen mit dem Erlernen der grundlegenden MLOps-Terminologie und Architekturprinzipien, bevor Sie anhand von Schritt-für-Schritt-Anleitungen Pipeline-Konfigurationen erkunden. Die Inhalte umfassen alles von der Versionierung von Daten und Modellen bis hin zur Automatisierung von Deployments und der Einrichtung des Produktionsmonitorings. Dieser Kurs richtet sich an angehende ML-Ingenieure, Data Scientists und Entwickler, die neu im Bereich Operations sind und sich eine solide Grundlage schaffen möchten. Vorkenntnisse im DevOps-Bereich sind nicht erforderlich, da wir mit den absoluten Grundlagen von Pipelines und Automatisierung beginnen. Starten Sie noch heute und meistern Sie die Workflows, die Machine-Learning-Modelle in der Produktion zum Leben erwecken.