透過 10 多個端對端 ML 專案完成 MLOps 訓練營

端到端 MLOps 訓練營：使用資料科學專案建置、部署和自動化 ML

從這 51 小時的課程，你會學到

使用 Git、Docker 和 CI/CD 整合來建立可擴展的 MLOps 管道。
實作 MLFlow 和 DVC 進行模型版本控制和實驗追蹤。
使用 AWS SageMaker 和 Huggingface 部署端對端 ML 模型。
使用 Apache Airflow 和 Astro 自動化 ETL 管道和 ML 工作流程。
使用 Grafana 和 PostgreSQL 監控 ML 系統以獲得即時洞察。

要求

對 Python 程式設計有基本的了解。
熟悉機器學習概念和演算法。
具有 Git 和 GitHub 版本控制的基本知識。
了解 Docker 的容器化（可選但有幫助）。
了解雲端運算概念（優先考慮 AWS，但非強制性的）。

課程說明

歡迎來到完整的 MLOps 訓練營，其中包含端到端資料科學專案，這是您從頭開始掌握 MLOps 的一站式指南！本課程旨在為您提供使用最新的 MLOps 工具和框架實施和自動化機器學習模型的部署、監控和擴展所需的技能和知識。

在當今世界，僅僅建立機器學習模型是不夠的。要成為一名成功的資料科學家、機器學習工程師或 DevOps 專業人士，您需要了解如何將模型從開發階段轉移到生產階段，同時確保可擴展性、可靠性和持續監控。這就是 MLOps（機器學習操作）發揮作用的地方，它結合了 DevOps 和 ML 模型生命週期管理的最佳實踐。

這個訓練營不僅會向你介紹 MLOps 的概念，還會帶你完成現實世界的實作資料科學專案。課程結束時，您將能夠自信地在生產環境中建置、部署和管理機器學習管道。

您將學到什麼：

Python 先決條件：複習建立資料科學和 MLOps 管道所需的基本 Python 程式設計技能。
使用 Git 和 GitHub 進行版本控制：了解如何使用 Git 和 GitHub 管理程式碼並協作進行機器學習專案。
Docker 和容器化：了解 Docker 的基礎知識以及如何容器化您的 ML 模型以實現輕鬆且可擴展的部署。
MLflow 用於實驗追蹤：掌握使用 MLFlow 追蹤實驗、管理模型以及與 AWS 雲端無縫整合以進行模型管理和部署。
資料版本控制的 DVC：學習資料版本控制 (DVC) 以有效管理資料集、模型和版本控制，確保 ML 管道中的可重複性。
DagsHub 用於協作 MLOps：利用 DagsHub 使用 Git 和 DVC 對您的程式碼、數據和 ML 實驗進行整合追蹤。
Apache Airflow 與 Astro：使用 Airflow 與 Astronomer 自動化和協調您的 ML 工作流程，確保您的管道無縫運作。
使用 GitHub Actions 的 CI/CD 管道：實施持續整合/持續部署 (CI/CD) 管道以自動化測試、模型部署和更新。
ETL 管道實作：使用 Apache Airflow 建置和部署完整的 ETL（提取、轉換、載入）管道，整合機器學習模型的資料來源。
端對端機器學習專案：從資料收集到部署，完成整個 ML 專案，確保您了解如何在實務中應用 MLOps。
使用 Huggingface 的端到端 NLP 專案：進行真實世界的 NLP 專案，學習如何使用 Huggingface 工具部署和監控變壓器模型。
AWS SageMaker 用於 ML 部署：了解如何在 AWS SageMaker 上部署、擴充和監控您的模型，並與其他 AWS 服務無縫整合。
使用 AWS 雲端的 Gen AI：探索產生 AI 技術並了解如何使用 AWS 雲端基礎架構部署這些模型。
使用 Grafana 和 PostgreSQL 進行監控：使用連接到 PostgreSQL 的 Grafana 儀表板監控模型和管道的效能，以獲得即時洞察。

本課程適合哪些人？

資料科學家和機器學習工程師旨在擴展他們的機器學習模型並實現自動化部署。
DevOps 專業人員希望將機器學習管道整合到生產環境中。
轉型到 MLOps 領域的軟體工程師。
對使用真實世界的資料科學專案端到端部署機器學習模型感興趣的 IT 專業人士。

為什麼要報名？

透過參加本課程，您將獲得當今業界使用的尖端工具和技術的實務經驗。無論您是資料科學專業人士還是希望擴展技能的初學者，本課程都將引導您完成實際專案，確保您獲得成功實施 MLOps 工作流程所需的實用知識。

立即註冊並透過 MLOps 將您的資料科學技能提升到新的水平！

目標受眾

希望擴展和部署機器學習模型的資料科學家和機器學習工程師。
想要整合 ML 管道的 DevOps 專業人員。
有興趣過渡到 MLOps 的軟體工程師。
具有基本 ML 知識並旨在學習端到端部署的初學者。
IT 專業人員渴望了解用於實際專案的 MLOps 工具和實務。

講師簡介

Krish Naik 首席人工智慧工程師

我是 iNeuron 的前聯合創始人兼首席 AI 工程師，我在機器學習、深度學習和電腦視覺、生成 AI 方面擁有開創性的經驗，是一名教育家和導師，在該行業擁有超過 15 年的經驗。這些是我的 Udemy 課程，其中我透過許多現實世界的問題場景講解了機器學習、深度學習和人工智慧的各種主題。我在各種聚會、技術機構和社群安排的論壇上發表了 30 多次有關資料科學、機器學習和人工智慧的技術演講。我的主要目標是讓每個人都熟悉 ML 和 AI。

KRISHAI Technologies Private Limited 人工智慧與機器學習工程師

Krish AI Technologies 在資料科學、機器學習、生成式人工智慧、深度學習和相關技術領域的教育方面處於領先地位。該公司由行業資深人士 Krish Naik 創立，他在數據分析行業擁有超過 13 年的經驗，並擁有超過 7 年的教學經驗，我們的使命是讓學習者掌握在快速發展的技術領域取得成功所需的技能和知識。

我們的專業知識：在 Krish AI Technologies，我們專注於人工智慧和資料科學領域的廣泛主題，包括：

資料科學：從基礎概念到進階技術，我們涵蓋資料分析、統計建模和資料視覺化的所有方面。

機器學習：我們的課程涵蓋了機器學習演算法的全部範圍，包括監督和無監督學習、聚類技術和高級預測模型。

生成式人工智慧( Gen AI )：我們提供最新的生成式人工智慧模型和技術的深入培訓，幫助學生理解和實施尖端技術。

深度學習：我們的課程深入探討深度學習的數學直覺和實際應用，涵蓋神經網路、CNN、RNN 等。

自然語言處理 (NLP)：我們提供全面的 NLP 培訓，包括文字預處理、情緒分析、語言建模和各種 NLP 專案。