DANH SÁCH KHÓA HỌC / COURSE BY TECHNOLOGY VENDORS / AWS

MLOps Engineering on AWS

Tóm tắt khóa học:

Khóa học này xây dựng dựa trên và mở rộng hoạt động DevOps phổ biến trong phát triển phần mềm để xây dựng, đào tạo và triển khai các mô hình học máy (ML). Khóa học nhấn mạnh tầm quan trọng của dữ liệu, mô hình và mã đối với việc triển khai ML thành công. Khóa học sẽ chứng minh việc sử dụng các công cụ, tự động hóa, quy trình và làm việc nhóm để giải quyết các thách thức liên quan đến việc chuyển giao giữa các kỹ sư dữ liệu, nhà khoa học dữ liệu, nhà phát triển phần mềm và hoạt động. Khóa học cũng sẽ thảo luận về việc sử dụng các công cụ và quy trình để giám sát và hành động khi dự đoán mô hình trong sản xuất bắt đầu chệch khỏi các chỉ số hiệu suất chính đã thỏa thuận. Giảng viên sẽ khuyến khích những người tham gia khóa học này xây dựng kế hoạch hành động MLOps cho tổ chức của họ thông qua việc phản ánh hàng ngày nội dung bài học và phòng thí nghiệm, và thông qua các cuộc trò chuyện với các đồng nghiệp và giảng viên.

Thời lượng khóa học: 1 Ngày

Nội dung khóa học:

Day 1

Module 0: Welcome

Course introduction
Module 1: Introduction to MLOps
Machine learning operations
Goals of MLOps
Communication
From DevOps to MLOps
ML workflow
Scope
MLOps view of ML workflow
MLOps cases

Module 2: MLOps Development

Intro to build, train, and evaluate machine learning models
MLOps security
Automating
Apache Airflow
Kubernetes integration for MLOps
Amazon SageMaker for MLOps
Lab: Bring your own algorithm to an MLOps pipeline
Demonstration: Amazon SageMaker
Intro to build, train, and evaluate machine learning models
Lab: Code and serve your ML model with AWS CodeBuild
Activity: MLOps Action Plan Workbook

Day 2

Module 3: MLOps Deployment

Introduction to deployment operations
Model packaging
Inference
Lab: Deploy your model to production
SageMaker production variants
Deployment strategies
Deploying to the edge
Lab: Conduct A/B testing

Day 3

Module 4: Model Monitoring and Operations

Lab: Troubleshoot your pipeline
The importance of monitoring
Monitoring by design
Lab: Monitor your ML model
Human-in-the-loop
Amazon SageMaker Model Monitor
Demonstration: Amazon SageMaker Pipelines, Model Monitor, model registry, and Feature Store
Solving the Problem(s)
Activity: MLOps Action Plan Workbook

Module 5: Wrap-up

Course review
Activity: MLOps Action Plan Workbook

Wrap-up