《生产系统中的机器学习工程 (MLOps) 专业课程》介绍

第一课

介绍生产系统中的机器学习

（2021 年 11 月 16 日正式上线）

讲师：

Andrew Ng, 

Cristian Bartolomé Arámburu

在《生产系统中的机器学习工程 (MLOps)》专业课程的第一门课中，您将识别各种组件并设计端到端的机器学习生产系统，内容包括：项目范围、数据需求、建模策略、部署约束及需求；同时还将学习如何建立模型基线、解决概念漂移，并为开发、部署和持续改进一个产品化的机器学习应用程序创建流程原型。

• 第一章：机器学习生命周期和部署概述

• 第二章：选择并训练一个模型

• 第三章：数据定义和基线

第二课

生产系统中的机器学习数据生命周期

（预计将于 2022 年 1 月 1 日上线）

讲师：Robert Crowe

在《生产系统中的机器学习工程 (MLOps)》专业课程的第二门课中，您将通过收集、清理、验证数据集和评估数据质量来构建数据管道；使用 TensorFlow Extended (TFX) 实现特征工程、转换和选择，并从数据中获得最大的预测能力；利用数据沿袭和来源元数据工具建立数据生命周期，并使用企业数据模式跟踪数据发展。

• 第一章：收集、标记和验证数据

• 第二章：特征工程、转换和选择

• 第三章：数据旅程和数据存储

• 第四章：高级数据标记方法、数据增强和预处理不同数据类型

第三课

生产系统中的机器学习建模管道

（预计将于 2022 年 2 月 16 日上线）

讲师：Robert Crowe

在《生产系统中的机器学习工程 (MLOps)》专业课程的第三门课中，您将为不同的服务环境构建模型；实践有效管理建模资源的工具和技术，并为离线和在线推理请求提供最佳服务；使用分析工具和性能指标来解决模型公平性、可解释性问题并缓解瓶颈。

• 第一章：神经架构搜索

• 第二章：模型资源管理技术

• 第三章：高性能建模

• 第四章：模型分析

• 第五章：可解释性

第四课

在生产系统中部署机器学习模型

（预计将于 2022 年 4 月 1 日上线）

讲师：

Laurence Moroney, 

Robert Crowe

在《生产系统中的机器学习工程 (MLOps)》专业课程的第四门课中，您将学习如何部署机器学习模型，并将它们提供给最终用户。您将构建可伸缩和可靠的硬件基础设施，根据用例以实时和批量处理的方式交付推断请求。您还将实现工作流自动化和渐进交付，以符合当前的 MLOps 实践，并保持生产系统的运行。此外，您还将对系统进行实时监控以检测模型衰减、纠正性能下降，并避免系统故障，以便它可以全时段持续运行。

• 第一章：模型服务介绍

• 第二章：模型服务模式和基础设施

• 第三章：模型管理和交付

• 第四章：模型监控和日志

课程地址：DeepLearning.AI 中国官方网站

• DeepLearning.AI 中国官方网站
  

  https://www.deeplearningai.net/

点击“阅读原文”访问 TensorFlow 官网

不要忘记“一键三连”哦~

分享

点赞

在看