Thank you for sending your enquiry! One of our team member will contact you shortly.
Thank you for sending your booking! One of our team member will contact you shortly.
コース概要
導入
- ソフトウェア開発のベスト プラクティスを機械学習に適応させます。
- MLflow 対 Kubeflow -- MLflow はどこで輝くでしょうか?
Machine Learningサイクルの概要
- データの準備、モデルのトレーニング、モデルのデプロイ、モデルの提供など。
MLflow 機能とアーキテクチャの概要
- MLflow トラッキング、MLflow プロジェクト、および MLflow モデル
- MLflow コマンドライン インターフェイス (CLI) の使用
- MLflow UI の操作
セットアップMLflow
- パブリッククラウドにインストールする
- オンプレミスサーバーへのインストール
開発環境の準備
- Jupyter ノートブック、Python IDE、およびスタンドアロン スクリプトの操作
プロジェクトの準備
- データへの接続
- 予測モデルの作成
- モデルのトレーニング
MLflowトラッキングを使用する
- コードのバージョン、データ、構成をログに記録する
- 出力ファイルとメトリクスのログ記録
- 結果のクエリと比較
MLflow プロジェクトを実行中
- YAML 構文の概要
- Git リポジトリの役割
- コードをパッケージ化して再利用可能にする
- コードを共有し、チームメンバーと協力する
MLflow モデルによるモデルの保存と提供
- 導入環境の選択 (クラウド、スタンドアロン アプリケーションなど)
- 機械学習モデルのデプロイ
- モデルを提供する
MLflow モデル レジストリの使用
- 中央リポジトリのセットアップ
- モデルの保存、注釈付け、および検出
- モデルを共同で管理します。
MLflow を他のシステムと統合する
- MLflow プラグインの使用
- サードパーティのストレージ システム、認証プロバイダー、および REST API との統合
- 作業中 Apache Spark -- オプション
トラブルシューティング
要約と結論
要求
- 【0】プログラミング経験
- 機械学習フレームワークや言語の経験
観客
- データサイエンティスト 機械学習エンジニア
21 時間
お客様の声 (1)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose