Implementatie van machinelearningmodellen in productie - eLearning
450,00 EUR
- 20 hours
Overbrug de kloof tussen het bouwen van machinelearningmodellen en het inzetten ervan in echte productieomgevingen met deze training ‘Deployment of Machine Learning Models’. Deze praktijkgerichte opleiding, ontworpen voor aankomende AI- en dataprofessionals, leert je hoe je machinelearningoplossingen operationeel maakt met behulp van moderne deployment-, API-, cloud- en MLOps-praktijken.
Belangrijkste functies
Taal
Cursus en lesmateriaal in het Engels
Niveau
Beginner - gemiddeld niveau
5 uur aan video's op aanvraag
1 jaar toegang tot het leerplatform
15 begeleide praktische oefeningen
16 automatisch beoordeelde toetsen
20 Herhalingsquizzen
2 uitgebreide opdrachten
Meer dan 20 uur aanbevolen studietijd
Certificaat van afronding van het programma inbegrepen
Leerdoelen
Aan het einde van deze cursus ben je in staat om het volgende te begrijpen:
Bouwen
Bouw machinelearningmodellen vanaf de basis op
AWS
AWS SageMaker Studio en Jupyter Notebook instellen
Implementeren
Implementeer realtime-eindpunten en beheer opschoonprocessen
Ontwikkelen
Ontwikkel scripts voor batch-inferentie met Batch Transform
Foutopsporing
Los problemen met toepassingen op met Jupyter Notebook
MLOps
Implementeer MLOps-workflows op AWS met SageMaker
Cursusplanning
Inleiding
Les 01
- Wat is modelimplementatie?
- Soorten modelimplementatie
- Hoe kies je het type modelimplementatie?
AWS SageMaker
Les 02
- AWS SageMaker-equivalent op GCP en Azure
- Meld u aan bij uw AWS-account
- AWS SageMaker Studio instellen
- Jupyter openen in SageMaker Studio
Modeltraining
Les 03
- De lesrepository klonen
- Gegevensdeel downloaden
- Verkennende data-analyse en feature-engineering
- Code voor training van het basismodel
- Model lokaal testen
- SageMaker-trainingsjob
- Hyperparameterafstemming
- Resultaten analyseren
SageMaker realtime-inferentie
Les 04
- Architectuur van SageMaker Real-time Inference
- Maak het inferentiescript
- Realtime-eindpuntimplementatie
- Het model aanroepen
- Opschonen
- Inleiding tot multi-model-eindpunt
- Een multi-model endpoint implementeren
- De multi-model-endpoint aanroepen
- Inleiding tot serverless
- Implementeren als serverloze inferentie
SageMaker Batch Transform
Les 05
- Architectuur van SageMaker Batch Transform
- Maak het inferentiescript voor Batch Transform
- Een batch-transformatietaak starten
- Resultaten analyseren
MLOps op SageMaker
Les 06
- MLOps: Machine Learning-operaties
- Implementeer MLOps in de AWS-cloud met SageMaker
- Maak een MLOps-project met een SageMaker-sjabloon
- SageMaker-projectsjablooncode
- Fouten in applicaties debuggen met Jupyter Notebook
- Codewijzigingen pushen om CI/CD te triggeren
- Test de endpoint
- Opschonen
Voor wie is dit programma bedoeld?
Machine learning-engineers
Datawetenschappers
AI-ingenieurs
Python-ontwikkelaars
DevOps- en MLOps-professionals
Software-engineers die met AI-toepassingen werken
Vereisten
- Basiskennis van machinelearning-concepten
- Vertrouwdheid met programmeren in Python
- Basiskennis van API’s en webapplicaties (aanbevolen)
- Algemene kennis van cloud- of software-implementatieconcepten is een voordeel
Verklaringen
Vergunningverlening en accreditatie
Deze cursus wordt aangeboden in overeenstemming met de Partnerprogramma-overeenkomst en voldoet aan de vereisten van de Licentieovereenkomst.
Gelijkheidsbeleid
Kandidaten worden aangemoedigd om tijdens het gehele accommodatieproces contact op te nemen met AVC voor begeleiding en ondersteuning.
Veelgestelde vragen
Heeft u bedrijfsoplossingen of LMS-integratie nodig
Heb je niet de cursus of het programma gevonden dat geschikt zou zijn voor jouw bedrijf? Heb je een LMS-integratie nodig? Neem contact met ons op! Wij zullen met een passende oplossing komen!