Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
소개
- 소프트웨어 개발 모범 사례를 기계 학습에 적용합니다.
- MLflow 대 Kubeflow -- MLflow은 어디에서 빛나나요?
Machine Learning 주기 개요
- 데이터 준비, 모델 훈련, 모델 배포, 모델 서빙 등
MLflow 기능 및 아키텍처 개요
- MLflow 추적, MLflow 프로젝트, MLflow 모델
- MLflow 명령줄 인터페이스(CLI) 사용
- MLflow UI 탐색
설정 MLflow
- 퍼블릭 클라우드에 설치
- 온프레미스 서버에 설치
개발 환경 준비
- Jupyter Notebook, Python IDE 및 독립 실행형 스크립트 작업
프로젝트 준비
- 데이터에 연결
- 예측 모델 만들기
- 모델 훈련
MLflow 추적 사용
- 코드 버전, 데이터, 구성 로깅
- 출력 파일 및 측정항목 로깅
- 결과 쿼리 및 비교
MLflow 프로젝트 실행 중
- YAML 구문 개요
- Git 저장소의 역할
- 재사용성을 위한 패키징 코드
- 코드 공유 및 팀원과의 협업
MLflow 모델을 사용하여 모델 저장 및 제공
- 배포 환경 선택(클라우드, 독립형 애플리케이션 등)
- 기계 학습 모델 배포
- 모델 제공
MLflow 모델 레지스트리 사용
- 중앙 저장소 설정
- 모델 저장, 주석 달기 및 검색
- 모델을 공동으로 관리합니다.
MLflow을 다른 시스템과 통합
- MLflow 플러그인 작업
- 타사 스토리지 시스템, 인증 공급자 및 REST API와 통합
- 작업 중 Apache Spark - 선택 사항
문제 해결
요약 및 결론
Requirements
- Python 프로그래밍 경험
- 머신러닝 프레임워크 및 언어 경험
청중
- 데이터 과학자
- 머신러닝 엔지니어
21 Hours
회원 평가 (1)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose