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

Thiết lập các mô hình học máy cho phần cứng nhỏ, hạn chế về tài nguyên chỉ là một nửa trận chiến; duy trì và nâng cấp chúng trong tự nhiên đòi hỏi các hệ thống mạnh mẽ. Lớp học dựa trên văn bản này hướng dẫn bạn qua các thực hành cơ bản của Machine Learning Operations (MLOps) được thiết kế đặc biệt cho các thiết bị edge năng lượng thấp. Bạn sẽ chuyển từ chạy các mô hình địa phương cô lập đến thiết kế các đường ống tự động, có thể mở rộng để duy trì sự triển khai edge đáng tin cậy và hiệu quả. Bạn sẽ học được gì: - Hiểu các khái niệm cơ bản của TinyML và các giai đoạn cốt lõi của chu kỳ sống MLOps. - Apply model optimization techniques like quantization to fit strict hardware constraints. - Cấu hình các đường ống triển khai tự động và các luồng công việc CI / CD cơ bản cho các thiết bị edge. - Theo dõi hiệu suất thiết bị từ xa và phát hiện mô hình trôi nổi trong môi trường sản xuất. - Thực hiện các thực hành kiểm soát phiên bản cho cả dữ liệu và mô hình học máy nhỏ. Chương trình này bắt đầu với thuật ngữ thiết yếu và các khái niệm cơ bản của triển khai edge trước khi hướng dẫn bạn qua các bài học viết có cấu trúc về tự động hóa, tối ưu hóa và giám sát. Nó được thiết kế cho người mới bắt đầu, nhà phát triển phần mềm, và kỹ sư học máy tham vọng, không yêu cầu kinh nghiệm trước đó với phần cứng hoặc công cụ MLOps tiên tiến. Bắt đầu xây dựng nền tảng AI cạnh có thể mở rộng ngay hôm nay.