Разработка конвейеров, автоматизация и развертывание моделей машинного обучения, часть 2

Конвейеры машинного обучения – это инструменты для ускорения, повторного использования, управления и развертывания моделей машинного обучения. Которые работают так, что позволяют преобразовывать и сопоставлять последовательность данных в модели, которую можно протестировать и оценить достижение результата.

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, 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.

Расписание открытых форматов курса

Дистанционный формат — 75 000 ₽.

Очный формат — 75 000 ₽.

Стоимость обучения одного слушателя

В результате освоения курса вы:

использовать расширенные концепции TensorFlow Extended;
применять оркестрацию конвейеров TFX с помощью Apache Beam;
применять оркестрацию конвейеров TFX с помощью Apache Airflow;
применять оркестрацию конвейеров TFX с помощью Kubeflow Pipelines;
зашифровать машинное обучение;
использовать TFX с другими фреймворками машинного обучения;
тестировать модели машинного обучения

какие есть инструменты оркестрации;
преобразовать интерактивный конвейер в производственный конвейер;
основы Apache Beam;
основы Apache Airflow;
основы Kubeflow Pipelines;
как отслеживать петли обратной связи;
основы приватности данных;
как управлять релизами модели

Научитесь

Узнаете

Основная информация

25 ноября 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 Расширенные концепции TensorFlow Extended

1.1 Расширенные концепции конвейеров машинного обучения
1.2 Участие человека в конвейере машинного обучения

2 Конвейеры: Apache Beam и Apache Airflow

2.1 Выбор инструментов оркестрации

2.1.1 Apache Beam
2.1.2 Apache Airflow
2.1.3 Kubeflow Pipelines
2.1.4 Kubeflow Pipelines на платформе AI

2.2 Преобразование интерактивного конвейера TFX в производственный конвейер
2.3 Преобразование элементарного интерактивного конвейера для Beam и Airflow
2.4 Основы Apache Beam
2.5 Оркестрация конвейеров TFX с помощью Apache Beam
2.6 Основы Apache Airflow
2.7 Оркестрация конвейеров TFX с помощью Apache Airflow

3 Конвейеры: Kubeflow Pipelines

3.1 Основы Kubeflow Pipelines
3.2 Оркестрация конвейеров TFX с помощью Kubeflow Pipelines
3.3 Конвейеры, работающие на Google Cloud AI Platform

4 Петли обратной связи

4.1 Явная и неявная обратная связь
4.2 Конструктивные шаблоны для сбора отзывов
4.3 Как отслеживать петли обратной связи

5 Приватность данных, используемых для машинного обучения

5.1 Основы приватности данных
5.2 Дифференцированная приватность
5.3 Основы TensorFlow Privacy
5.4 Федеративное обучение
5.5 Зашифрованное машинное обучение
5.6 Другие методы обеспечения приватности данных

6 Конвейеры машинного обучения и следующие шаги

6.1 Отслеживание экспериментов с моделью
6.2 Предложения в области управления релизами модели
6.3 Будущие возможности конвейеров
6.4 Использование TFX с другими фреймворками машинного обучения
6.5 Тестирование моделей машинного обучения
6.6 Системы непрерывной интеграции и развертывания для машинного обучения

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

Требуемый уровень предварительной подготовки

Необходимо знание основных концепций машинного обучения и базовых фреймворков, используемых в машинном обучении, таких как TensorFlow, Keras, PyTorch.

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

Ведёт 13 курсов в ЦЕСИНКОМ

Разработчик информационных систем, системный аналитик, аналитик данных

Разработка на Python
Машинное обучение
Математическая оптимизация

Консалтинг

Специализация

Должность

Дополнительные услуги

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