Giới Thiệu Khóa Học Triển Khai Các Machine Learning Model [Mã - 6988 A]
Tìm hiểu cách tích hợp các Machine Learning Pipeline mạnh mẽ và đáng tin cậy trong Production.
Bạn sẽ học được gì?
- ✓ Build machine learning model API và deploy các model lên đám mây.
- ✓ Gửi và nhận các request từ các machine learning model đã triển khai.
- ✓ Design testable, version controlled và reproducible production code cho model deployment.
- ✓ Tạo continuous và automated integration để deploy các model của bạn.
- ✓ Tìm hiểu optimal machine learning architecture.
- ✓ Tìm hiểu các resource khác nhau có sẵn để sản xuất các model của bạn.
- ✓ Xác định và giảm thiểu những thách thức khi đưa các model vào production.
Chào mừng bạn đến với Triển khai Machine Learning Model, khóa học trực tuyến về machine learning deployment toàn diện nhất hiện có. Khóa học này sẽ chỉ cho bạn cách đưa các machine learning model của bạn từ môi trường nghiên cứu sang môi trường sản xuất được tích hợp đầy đủ.
Model deployment là gì?
Triển khai các machine learning model hoặc đơn giản là đưa các model vào sản xuất có nghĩa là cung cấp các model của bạn cho các hệ thống khác trong tổ chức hoặc web để chúng có thể nhận dữ liệu và trả về dự đoán của mình. Thông qua việc triển khai các mô hình học máy, bạn có thể bắt đầu tận dụng tối đa mô hình mình đã xây dựng.
Khóa học này dành cho ai?
- ✓ Nếu bạn vừa xây dựng các machine learning model đầu tiên của mình và muốn biết cách đưa chúng vào production hoặc deploy chúng thành API.
- ✓ Nếu bạn đã triển khai một vài model trong tổ chức của mình và muốn tìm hiểu thêm các phương pháp hay nhất về model deployment.
- ✓ Nếu bạn là một software developer đam mê muốn bắt đầu triển khai các machine learning pipeline được tích hợp đầy đủ.
- ✓ Các nhà khoa học dữ liệu muốn deploy machine learning model đầu tiên của họ.
✓ Các nhà khoa học dữ liệu muốn tìm hiểu cách triển khai mô hình thực tiễn tốt nhất.
✓ Các Software developer muốn chuyển sang machine learning.
Khóa học này sẽ chỉ cho bạn cách thực hiện.
Chúng tôi sẽ hướng dẫn bạn từng bước thông qua các hướng dẫn bằng video hấp dẫn và dạy cho bạn mọi thứ bạn cần biết để bắt đầu tạo một model trong môi trường nghiên cứu, sau đó transform Jupyter notebooks thành production code, đóng gói code và deploy thành một API và add continuous integration và continuous delivery. Chúng ta sẽ thảo luận về khái niệm reproducibility, tại sao nó quan trọng và cách tối đa hóa reproducibility trong quá trình triển khai, thông qua versioning, code repositories và sử dụng docker. Và chúng ta cũng sẽ thảo luận về các công cụ và nền tảng có sẵn để deploy các machine learning model.
Cụ thể, bạn sẽ học:
✓ Các bước liên quan đến một machine learning pipeline điển hình.
✓ Cách một nhà khoa học dữ liệu làm việc trong research environment.
✓ Cách transform code trong Jupyter notebooks thành production code.
✓ Cách viết production code, bao gồm giới thiệu về tests, logging và OOP.
✓ Cách deploy model và đưa ra dự đoán từ một API.
✓ Cách tạo một Python Package.
✓ Cách deploy vào một môi trường sản xuất thực tế.
✓ Cách dùng docker để control software và model version.
✓ Cách add một CI/CD layer.
✓ Cách xác định rằng model đã triển khai sao chép mô hình được tạo trong môi trường nghiên cứu.
Đến cuối khóa học, bạn sẽ có cái nhìn tổng quan toàn diện về toàn bộ vòng đời nghiên cứu, phát triển và triển khai của một machine learning model, đồng thời hiểu các phương pháp coding tốt nhất cũng như những điều cần cân nhắc để đưa mô hình vào sản xuất. Bạn cũng sẽ hiểu rõ hơn về các công cụ có sẵn để deploy các model của mình và sẽ có đủ điều kiện để triển khai các mô hình theo bất kỳ hướng nào phục vụ nhu cầu của tổ chức của bạn.
Bạn còn nên biết điều gì nữa?
Khóa học này sẽ giúp bạn thực hiện những bước đầu tiên để đưa các model của mình vào production. Bạn sẽ tìm hiểu cách chuyển từ một Jupyter notebook sang một machine learning model được deploy đầy đủ, xem xét CI/CD cũng như triển khai trên nền tảng và cơ sở hạ tầng đám mây.
Tuy nhiên, còn rất nhiều điều khác liên quan đến model deployment, như model monitoring, deployment orchestration nâng cao với Kubernetes và scheduled workflows với Airflow, cũng như các testing paradigm khác nhau như shadow deployment không được đề cập trong khóa học này.
Bạn muốn biết thêm? Đọc tiếp...
Khóa học toàn diện về triển khai các machine learning model này bao gồm hơn 100 bài giảng kéo dài hơn 10 giờ video và TẤT CẢ các chủ đề đều bao gồm các ví dụ Python code thực hành mà bạn có thể sử dụng để tham khảo và sử dụng lại trong các dự án của riêng mình .
Ngoài ra, hiện tại chúng tôi đã đưa vào mỗi phần một bài tập để bạn có thể tái hiện lại những gì bạn đã học để deploy một model mới.
Bạn đang chờ đợi điều gì? Hãy đăng ký ngay hôm nay, tìm hiểu cách đưa các model của bạn vào production và bắt đầu khai thác giá trị thực của chúng.
Mục lục:
- ✓ 01 - Giới thiệu.
- ✓ 02 - Tổng quan về Model Deployment.
- ✓ 03 - Machine Learning System Architecture.
- ✓ 04 - Research Environment - Phát triển một Machine Learning Model.
- ✓ 05 - Packaging Model for Production.
- ✓ 06 - Serving và Deploying model thông qua REST API.
- ✓ 07 - Continuous Integration và Deployment Pipelines.
- ✓ 08 - Deploy ML API với Containers.
- ✓ 09 - Differential Testing.
- ✓ 10 - Deploy lên IaaS (AWS ECS).
- ✓ 11 - Deep Learning Model với Big Data.
- ✓ 12 - Các vấn đề thường gặp được tìm thấy trong quá trình triển khai.
- ✓ 13 - Phụ lục: Former Section: Serving model thông qua REST API.
- ✓ 14 - Phần cuối cùng.