Inżynieria AWS Machine Learning: przepływy pracy SageMaker i MLOps

Przejście od szkolenia modelu uczenia maszynowego na komputerze lokalnym do wdrożenia go w niezawodnym, skalowalnym środowisku chmurowym może być zniechęcającym skokiem.Ten kurs wypełnia tę lukę, wprowadzając Cię do inżynierii uczenia się maszyn w chmurze na AWS. Dowiesz się, jak wziąć wyszkolone modele, wdrożyć je do produkcyjnych punktów końcowych i zautomatyzować cały cykl życia.Zrozumienie kluczowych pojęć chmury i najlepszych praktyk MLOps, przejdziesz z naukowca lub programisty do praktyka uczenia maszynowego w chmurze, zdolnego do zarządzania systemami produkcyjnymi. Czego się nauczysz: - Zrozum podstawowe koncepcje uczenia maszynowego w chmurze i podstawowe usługi AWS. - Wdrażaj modele uczenia maszynowego w skalowalnych punktach końcowych za pomocą AWS SageMaker. - Zautomatyzuj przepływy pracy i potoki uczenia maszynowego za pomocą AWS Step Functions i Lambda. - Wdrażaj nowoczesne praktyki MLOps, w tym podstawową konteneryzację i monitorowanie modelu. - Skonfiguruj bezpieczne, opłacalne architektury wnioskowania bezserwerowego dla prognoz w czasie rzeczywistym. Zaczynając od podstawowej terminologii, przejdziesz przez lekcje tekstu uporządkowanego i przykłady kodu, które poprowadzą Cię od podstawowego wdrażania modelu do orkiestracji w pełni zautomatyzowanych potoków. Ten kurs jest przeznaczony dla początkujących inżynierów chmurowych, naukowców zajmujących się danymi, którzy chcą operacjonalizować swoje modele, oraz programistów przechodzących na role uczenia maszynowego, nie wymagających wcześniejszego doświadczenia w AWS. Zacznij czytać już dziś, aby opanować podstawy nowoczesnej inżynierii uczenia maszynowego w chmurze.