ЗАКАЗАТЬ ЗВОНОК
Центр
системно-инженерных компетенций
Необходимые для зачисления в группу документы: паспорт, СНИЛС, диплом о высшем или среднем специальном образовании, заключенный договор об образовании.
75 000 руб.
Стоимость:
5 дней (40 академических часов).
Длительность:
г. Москва, Ленинградский просп., 68/24;
Место проведения:
26 августа 2024

Разработка конвейеров, автоматизация и развертывание моделей машинного обучения, часть 1

Дата проведения
За последнее время разработаны новые инструменты автоматизации, которые решают задачи конвейеров машинного обучения, такие как TensorFlow Extended (TFX) и Kubeflow. Все больше и больше организаций начинают использовать эти инструменты для создания конвейеров машинного обучения, которые автоматизируют большую часть этапов построения и обучения моделей машинного обучения. Преимущества автоматизации: экономия времени и денег; возможность создавать более качественные, надежные и безопасные модели.

На курсе слушатели научатся автоматизировать развертывание, управление и повторное использование моделей машинного обучения. Отработают основные навыки в этой сфере.
Описание курса
Целевая аудитория
Специалисты в области машинного обучения и искусственного интеллекта, у которых возникла необходимость выйти за рамки работы с единичной моделью. Также менеджеры проектов в области науки о данных, разработчики программного обеспечения и инженеры DevOps, которые хотят, чтобы их организация ускорила свои проекты, использующие технологии машинного обучения и искусственного интеллекта.
26.08.2024
Расписание открытых форматов курса
Дистанционный формат — 75 000 ₽.
Очный формат — 75 000 ₽.
Стоимость обучения одного слушателя
В результате освоения курса вы:
использовать конвейеры машинного обучения;
устанавливать TensorFlow Extended;
загружать и подготавливать данные;
распознавать ошибки в данных;
проверять данные;
обучать модели;
использовать TensorBoard в интерактивном конвейере;
развертывать модели с помощью TensorFlow Serving;
оптимизировать загрузки удаленной модели;
масштабировать с помощью TensorFlow Serving и Kubernetes
необходимость применения конвейеров машинного обучения;
этапы конвейера машинного обучения;
что такое TensorFlow Extended;
какие есть альтернативы TFX;
для чего нужна проверка данных;
как проанализировать модель;
как экспортировать модели для TensorFlow Serving;
какие есть альтернативы TensorFlow Serving;
как использовать TensorRT совместно с TensorFlow Serving;
основы TFLite
Научитесь
Узнаете
Основная информация
26 августа 2024
пн–чт 10:00–17:00
75 000 руб.
м. Аэропорт,
Ленинградский проспект 68/24
Верхотуров Марк Валерьевич
Беляев Александр Владимирович
Порядок записи на курс
Консультация
Выбор курса
Заключение договора
Оплата обучения.
Подробная программа курса
1 Основы, конвейеры машинного обучения

1.1 Использование конвейеров машинного обучения
1.2 Необходимость применения конвейеров машинного обучения
1.3 Обзор этапов создания конвейера машинного обучения
1.4 Оркестровка конвейера
1.5 Пример проекта машинного обучения

2 TensorFlow Extended

2.1 Что такое TFX
2.2 Установка TFX
2.3 Обзор компонентов TFX
2.4 Метаданные ML Metadata?
2.5 Альтернативы TFX
2.6 Знакомство с Apache Beam

3 Загрузка данных

3.1 Концепции загрузки данных
3.2 Подготовка данных
3.3 Стратегии загрузки данных

4 Проверка данных

4.1 Для чего нужна проверка данных?
4.2 TFDV
4.3 Распознавание ошибок в данных
4.4 Обработка больших наборов данных с помощью Google Cloud Platform
4.5 Интеграция TFDV в конвейер машинного обучения

5 Предварительная обработка данных

5.1 Необходимость предварительной обработки данных
5.2 Предварительная обработка данных с помощью TFT

6 Обучение модели

6.1 Пример определения модели проекта
6.2 Компонент TFX Trainer
6.3 Использование TensorBoard в интерактивном конвейере
6.4 Стратегии распределения
6.5 Настройка модели

7 Анализ и проверка модели

7.1 Как проанализировать модель
7.2 Анализ модели TensorFlow
7.3 Анализ достоверности модели
7.4 Объяснение модели
7.5 Анализ и проверка модели в TFX

8 Развертывание модели с помощью TensorFlow Serving

8.1 Простой сервер моделей
8.2 Особенности развертывания моделей с помощью API на основе Python
8.3 TensorFlow Serving
8.4 Обзор архитектуры TensorFlow
8.5 Экспорт моделей для TensorFlow Serving
8.6 Сигнатуры моделей
8.7 Проверка экспортированных моделей
8.8 Установка TensorFlow Serving
8.9 Настройка сервера TensorFlow
8.10 REST или gRPC
8.11 Выполнение прогнозов на сервере моделей
8.12 A/B-тестирование модели с использованием TensorFlow Serving
8.13 Запрос метаданных модели с сервера моделей
8.14 Пакетные запросы на вывод прогнозов модели
8.15 Другие функции оптимизации TensorFlow Serving
8.16 Альтернативы TensorFlow Serving

8.16.1 BentoML
8.16.2 Seldon
8.16.3 GraphPipe
8.16.4 Simple TensorFlow Serving
8.16.5 MLflow
8.16.6 Ray Serve

8.17 Развертывание моделей с использованием услуг поставщиков облачных решений
8.18 Развертывание модели с помощью конвейеров TFX

9 Расширенные концепции развертывания моделей с помощью TensorFlow Serving

9.1 Зоны ответственности в процессе развертывания
9.2 Оптимизация загрузки удаленной модели
9.3 Оптимизация модели для развертываний
9.4 Использование TensorRT совместно с TensorFlow Serving
9.5 TFLite
9.6 Мониторинг экземпляров TensorFlow Serving
9.7 Простое масштабирование с помощью TensorFlow Serving и Kubernetes
Возможные форматы обучения и размеры групп
очно (до 15 слушателей);
дистанционно в составе очной группы (без ограничения числа подключений);
корпоративный формат (для групп от 10 до 15 слушателей).
Документы об окончании
Удостоверение о повышении квалификации
Ответы на часто задаваемые вопросы
Требуемый уровень предварительной подготовки
Необходимо знание основных концепций машинного обучения и базовых фреймворков, используемых в машинном обучении, таких как TensorFlow, Keras, PyTorch.

Верхотуров Марк Валерьевич

Руководитель IT проектов, Разработчик Python, Data Scientist, ML-engineer
Разработка на Python
Сбор и анализ данных Преобразование "сырых" данных в полезную информацию для бизнеса
Создание и обучение предиктивных моделей с помощью алгоритмов машинного обучения и нейросетей
Помощь бизнесу в нахождении скрытых закономерностей, прогнозировании развития событий и оптимизации ключевых бизнес-процессов
Консалтинг
Коучинг
Специализация
Должность
Дополнительные услуги

Тренер курса

Ведёт 13 курсов в ЦЕСИНКОМ

Беляев Александр Владимирович

Разработчик информационных систем, системный аналитик, аналитик данных
Разработка на Python
Машинное обучение
Математическая оптимизация
Консалтинг
Специализация
Должность
Дополнительные услуги

Тренер курса

Ведёт 19 курсов в ЦЕСИНКОМ
Разработка курса или траектории обучения под вашу задачу
Центр готов взять на себя разработку курсов и траекторий обучения под уже сформированную модель компетенций или просто под список знаний и навыков, которые нужно освоить специалистам организации.
Рекомендуемые курсы
Список курсов, которые дополняют данный курс
Список категорий каталога, в которые включён курс
Траектории, в которые входит данный курс
Список курсов, требующихся для прохождения данного курса
Не требуется