MLOps Zoomcamp
我们的 MLOps Zoomcamp 课程
概述
目的
教授生产 ML 服务的实际方面 — 从收集需求到模型部署和监控。
目标受众
数据科学家和 ML 工程师。软件工程师和数据工程师也有兴趣了解如何将ML投入生产。
先决条件
- 蟒
- docker
- 熟悉命令行
- 之前接触过机器学习(在工作或其他课程中,例如从ML Zoomcamp)
- 以前的编程经验(至少1年以上)
时间线
开课时间:5月16日
教学大纲
这是一个草案,将会改变。
- 什么是 MLOps
- MLOps 成熟度模型
- 运行示例:纽约出租车行程数据集
- 为什么我们需要 MLOps
- 课程概述
- 环境准备
- 作业
更多详情
模块 2: 实验跟踪
- 实验跟踪简介
- MLflow 入门
- 使用 MLflow 进行实验跟踪
- 使用 MLflow 保存和加载模型
- 模型注册表
- MLflow在实践中
- 作业
模块 3: 编排和 ML 管道
- ML 管道:简介
- 完善
- 将笔记本转换为管道
- Kubeflow Pipelines
- 作业
模块 4: 模型部署
- 批处理与在线
- 对于在线:Web 服务与流媒体
- 以批处理模式提供模型
- 网络服务
- Streaming (Kinesis/SQS + AWS Lambda)
- 作业
模块 5: 模型监控
- ML 监控与软件监控
- 数据质量监控
- 数据漂移/概念漂移
- 批量监控与实时监控
- 工具:显然,普罗米修斯和格拉法娜
- 作业
模块 6: 最佳实践
- 开发运营
- 虚拟环境和 Docker
- Python:日志记录,linting
- 测试:单元、集成、回归
- CI/CD (github actions)
- 基础设施即代码(地球化、云化)
- 饼干切割机
- 生成文件
- 作业
模块 7: 流程
项目
运行示例
为了更轻松地将不同的模块连接在一起,我们希望在整个课程中使用相同的运行示例。
可能的候选人:
教师
- 拉里萨·维森格列耶娃
- 克里斯蒂安·马丁内斯
- 科凯文
- 西奥菲洛斯·帕帕纳吉奥图
- 阿列克谢·格里戈列夫
- 埃梅利德拉尔
- 塞贾尔·瓦伊迪亚
DataTalks.Club 的其他课程:
常见问题
我想开始为课程做准备。我该怎么办?
如果你尚未使用 Flask 或 Docker
如果你以前没有使用 ML 的经验
- 查看 ML Zoomcamp 中的模块 1 以获取概述
-
如果你想学习Scikit-Learn,模块3也将有所帮助(我们将在本课程中使用它)
- 我们还将使用 XGBoost。你不必很好地了解它,但是如果你想了解更多信息,请参阅ML Zoomcamp的模块6
我已注册,但尚未收到邀请链接。这正常吗?
是的,我们还没有自动化它。你最终会收到我们的邮件,别担心。
如果你想确保你不会错过任何东西:
它会直播吗?
否,是的。将有两个部分:
- 讲座:预先录制,你可以在方便的时候观看。
- 办公时间:每周一(欧洲中部时间17:00)直播,但录制,因此你可以稍后观看。
合作 伙伴
感谢我们的朋友传播有关课程的信息