PricingLoginStart free
MLOps Academy logo
PythonAICloud og DevOpsNiveauer A1 → B222 sprog

MLOps Academy

Sæt ML-modeller i produktion: eksperimentregistrering, levering, CI/CD, overvågning og registrering af modeldrift med MLflow, Docker og Kubernetes. Et læringsforløb på CoddyKit med 30 korte kurser og 120 interaktive lektioner – med en AI-vejleder ved din side døgnet rundt.

Kurser
30
Lektioner
120
Interaktive trin
1,560
Gratis at komme i gang
Kursus 1
Kursusindhold

30 kurser på denne sti

Alle kurser på MLOps Academy-stien i læringsrækkefølge. Det første kursus er gratis.

1

A14 lektionerGratis

Forklar MLOps i klare vendinger, og kortlæg hele ML-livscyklussen fra data til produktion

  1. 1MLOps kontra almindelig machine learning
  2. 2ML-livscyklussen på ét billede
  3. 3Hvem gør hvad: Roller i et ML-team
  4. +1 flere
Start gratis
2

A14 lektionerPRO

Find de virkelige grunde til, at en fremragende offline-model fejler, når rigtige brugere tager den i brug

  1. 1Fælden med forskel på træning og serving
  2. 2Stille fejl: Intet nedbrud, forkerte svar
  3. 3Når verden ændrer sig under modellen
  4. +1 flere
Start gratisLås op med PRO
3

A14 lektionerPRO

Log parametre, metrikker og kørsler, så ingen eksperimenter nogensinde går tabt igen

  1. 1Installér MLflow, og begynd at tracke
  2. 2Log parametre, metrikker og artefakter
  3. 3Sammenlign kørsler i MLflow-brugerfladen
  4. +1 flere
Start gratisLås op med PRO
4

A14 lektionerPRO

Fastlås alle afhængigheder, så din træningskørsel giver samme resultat overalt

  1. 1Fastlås afhængigheder med requirements.txt
  2. 2Isolér projekter med virtuelle miljøer
  3. 3Initialisér tilfældighed for gentagelige kørsler
  4. +1 flere
Start gratisLås op med PRO
5

A14 lektionerPRO

Spor store datasæt i Git uden at gøre repositoryet unødigt stort

  1. 1Hvorfor Git alene ikke kan versionsstyre data
  2. 2Initialisér DVC, og spor et datasæt
  3. 3Send data til fjernlager
  4. +1 flere
Start gratisLås op med PRO
6

A24 lektionerPRO

Gem, versionsstyr og stadieinddel trænede modeller som førsteklasses artefakter

  1. 1Registrér den første modelversion
  2. 2Faser: Staging, Production, Archived
  3. 3Tilføj tags og beskrivelser til modeller
  4. +1 flere
Start gratisLås op med PRO
7

A24 lektionerPRO

Omdan en trænet model til et portabelt artefakt, der kan indlæses

  1. 1Serialisér med Pickle og Joblib
  2. 2MLflow-modeltypen
  3. 3Eksportér til ONNX for bedre portabilitet
  4. +1 flere
Start gratisLås op med PRO
8

A24 lektionerPRO

Pak enhver model ind i en rigtig HTTP-predictions-API

  1. 1Den første /predict-endpoint
  2. 2Validér forespørgsler med Pydantic
  3. 3Indlæs modellen én gang ved opstart
  4. +1 flere
Start gratisLås op med PRO
9

A24 lektionerPRO

Byg en reproducerbar container, der kan køre din model overalt

  1. 1Skriv en Dockerfile til en model-API
  2. 2Gør images mindre med builds i flere faser
  3. 3Send konfiguration via miljøvariabler
  4. +1 flere
Start gratisLås op med PRO
10

A24 lektionerPRO

Forbind træning, registrering, serving og prædiktion i én fungerende pipeline

  1. 1Træn, og log til Registry
  2. 2Promovér den bedste model til Production
  3. 3Servér Production-modellen
  4. +1 flere
Start gratisLås op med PRO
11

B14 lektionerPRO

Automatisér test og udrulning af modeller med GitHub Actions

  1. 1Hvad CI/CD betyder for modeller
  2. 2Et GitHub Actions-workflow til ML
  3. 3Lad modelkvalitet afgøre merges
  4. +1 flere
Start gratisLås op med PRO
12

B14 lektionerPRO

Omdan ad hoc-scripts til en reproducerbar, trinopdelt trænings-DAG

  1. 1Faser: Ingest, Prep, Train, Eval
  2. 2Definér en pipeline med DVC-faser
  3. 3Cach, og spring uændrede trin over
  4. +1 flere
Start gratisLås op med PRO
13

B14 lektionerPRO

Servér konsistente features til træning og inferens med Feast

  1. 1Hvorfor feature stores findes
  2. 2Definér feature views med Feast
  3. 3Materialisér features til et online-lager
  4. +1 flere
Start gratisLås op med PRO
14

B14 lektionerPRO

Find dårlige modeller og dårlige data, før de når ud til brugerne

  1. 1Skriv unit tests til datapipelinen
  2. 2Adfærdstests for modeller
  3. 3Indstil kvalitetsgates og tærskler
  4. +1 flere
Start gratisLås op med PRO
15

B14 lektionerPRO

Vælg og byg det rigtige prædiktionsmønster til din anvendelse

  1. 1Batchscoring efter en tidsplan
  2. 2Inferens online i realtid
  3. 3Afvejninger mellem latenstid, gennemløb og pris
  4. +1 flere
Start gratisLås op med PRO
16

B14 lektionerPRO

Pak og servér modeller med indbygget batching og adaptiv skalering

  1. 1Gem en model i Bento Store
  2. 2Definér en tjeneste og dens API
  3. 3Aktivér adaptiv micro-batching
  4. +1 flere
Start gratisLås op med PRO
17

B14 lektionerPRO

Instrumentér en modeltjeneste, så De kan se, hvad den foretager sig i realtid

  1. 1Strukturerede logs til forudsigelser
  2. 2Eksponér metrikker med Prometheus
  3. 3Byg et Grafana-dashboard
  4. +1 flere
Start gratisLås op med PRO
18

B14 lektionerPRO

Mål, hvornår input eller sammenhænge bevæger sig væk fra træningsgrundlaget

  1. 1Data drift kontra concept drift
  2. 2Mål drift med PSI og KS
  3. 3Generér driftrapporter med Evidently
  4. +1 flere
Start gratisLås op med PRO
19

B14 lektionerPRO

Rul en ny model ud til en del af trafikken, og mål forbedringen

  1. 1Fordel trafik mellem modelversioner
  2. 2Vælg de metrikker, der betyder noget
  3. 3Forstå signifikans uden at narre Dem selv
  4. +1 flere
Start gratisLås op med PRO
20

B14 lektionerPRO

Flyt en containeriseret model fra din laptop til en administreret cloud-runtime

  1. 1Push Deres image til et registry
  2. 2Deploy til en serverless-container-runtime
  3. 3Konfigurér autoskalering og samtidighed
  4. +1 flere
Start gratisLås op med PRO
21

B24 lektionerPRO

Kør træning og serving på Kubernetes med de rigtige primitiver

  1. 1Pods, deployments og services til modeller
  2. 2Anmod om CPU, hukommelse og GPU
  3. 3Konfigurér med ConfigMaps og Secrets
  4. +1 flere
Start gratisLås op med PRO
22

B24 lektionerPRO

Udrul modeller som autoskalerende inferenstjenester på Kubernetes

  1. 1Ressourcen InferenceService
  2. 2Skalér til nul og op igen
  3. 3Skriv en brugerdefineret predictor
  4. +1 flere
Start gratisLås op med PRO
23

B24 lektionerPRO

Få maksimal throughput ud af GPU'er med Triton Inference Server

  1. 1Hvorfor GPU'er kræver batching
  2. 2Konfigurér dynamisk batching i Triton
  3. 3Kør flere modelinstanser pr. GPU
  4. +1 flere
Start gratisLås op med PRO
24

B24 lektionerPRO

Udgiv nye modeller sikkert ved først at teste dem på virkelig trafik

  1. 1Canary-udrulninger: Udrul først til få
  2. 2Shadow-trafik uden brugerindvirkning
  3. 3Definér kriterier for automatisk rollback
  4. +1 flere
Start gratisLås op med PRO
25

B24 lektionerPRO

Luk kredsløbet, så modeller opdaterer sig selv efter en tidsplan eller ved drift

  1. 1Tidsplan kontra triggerbaseret gen-træning
  2. 2Orkestrér gen-træning med Airflow
  3. 3Promovér kun automatisk, hvis modellen slår baseline
  4. +1 flere
Start gratisLås op med PRO
26

B24 lektionerPRO

Byg robust driftmonitorering, der fungerer trods støj og forsinkede labels

  1. 1Univariat kontra multivariat drift
  2. 2Overvåg ydeevne med forsinkede labels
  3. 3Justér vinduer for at reducere falske alarmer
  4. +1 flere
Start gratisLås op med PRO
27

B24 lektionerPRO

Se modellens adfærd fra ende til anden på tværs af data, prædiktioner og resultater

  1. 1De fire søjler i ML-observabilitet
  2. 2Log forudsigelser til senere analyse
  3. 3Opdel metrikker efter segment og kohorte
  4. +1 flere
Start gratisLås op med PRO
28

B24 lektionerPRO

Dokumentér, hvordan enhver model blev bygget, og hold den klar til audit

  1. 1Spor data-til-model-linjen
  2. 2Skriv modelkort
  3. 3Revisionsspor og reproducerbarhed
  4. +1 flere
Start gratisLås op med PRO
29

B24 lektionerPRO

Reducer inferensudgifterne uden at ofre svartid eller nøjagtighed

  1. 1Tilpas størrelsen på instanser og replicas
  2. 2Kvantiser og destillér for billigere inferens
  3. 3Brug Spot Instances til træning
  4. +1 flere
Start gratisLås op med PRO
30

B24 lektionerPRO

Driftssæt, evaluér og monitorér LLM-drevne apps i produktion

  1. 1Sådan adskiller LLMOps sig fra klassisk MLOps
  2. 2Versionsstyr prompts, og evaluér output
  3. 3Spor og overvåg LLM-kald
  4. +1 flere
Start gratisLås op med PRO
CoddyKit PRO

Lås op for alle 30 kurser på denne sti og alle kurser på alle andre stier

AI-vejleder, certificeringseksamen og certifikat. Fungerer på web, iOS og Android.

Se alle abonnementer
Årligt$29.90 / årCa. $2.49 om månedenBetal én gangLivstid$69.99 én gangIngen fornyelser. PRO for altid.
Kursusoversigt

MLOps: Udrul og overvåg ML-modeller

Sæt ML-modeller i produktion: eksperimentregistrering, levering, CI/CD, overvågning og registrering af modeldrift med MLflow, Docker og Kubernetes. Dette forløb dækker 30 progressive minikurser fra helt nybegynder (A1) til avanceret (B2) med korte, fokuserede lektioner og hurtige quizzer, der hjælper dig med at forankre hvert koncept.

Det lærer du

Du begynder med det grundlæggende og bygger videre gennem mellemliggende og avancerede emner, hvor hvert kursus bygger på det forrige. Alle lektioner er praktiske og overskuelige, og en AI-vejleder står til rådighed døgnet rundt, når du har brug for hjælp.

Sådan fungerer det

Hvert kursus er opdelt i fire fokuserede lektioner i et overskueligt format. Gennemfør et par lektioner om dagen, så mestrer du hele forløbet på uger i stedet for måneder.

Værktøjer

Øv dig med AI – læs ikke bare

Få mere ud af din læring med AI-drevne værktøjer og funktioner

AI-chatChat med en AI-underviserStil et superspørgsmålFå svar på ekspertniveauPROOpret lektionAI-drevet værktøj til at oprette lektionerPROStart certificeringseksamenFå dit certifikatPROStart udfordringAfprøv dine færdigheder

Sådan lærer du

  1. 01

    Interaktive lektioner

    Praktiske kodeøvelser med feedback i realtid

  2. 02

    AI-underviser

    Få øjeblikkelig hjælp fra vores AI, når du sidder fast

  3. 03

    Indbygget editor

    Skriv og kør kode direkte i din browser

  4. 04

    Certifikat

    Få et certifikat, når du gennemfører kurset

Udforsk videre

Relaterede læringsstier

Deep Learning Academy logoDeep Learning AcademyMaster deep learning with PyTorch, from neurons and backpropagation to CNNs, Transformers…Data Science Academy logoData Science AcademyTurn raw data into insight with Python. Master NumPy, pandas, visualization, and scikit-l…Machine Learning Academy logoMachine Learning AcademyLearn machine learning from first principles. Build and evaluate models with scikit-learn…NLP Academy logoNLP AcademyBuild language AI with Python. From text preprocessing and embeddings to Transformers, na…Python Academy logoPython AcademyExplore the versatility of Python and build diverse projects with Python Academy.Docker & Kubernetes for Developers logoDocker og Kubernetes for udviklereMaster containerization and orchestration with Docker and Kubernetes to deploy, manage, a…
Ofte stillede spørgsmål

Ofte stillede spørgsmål

Er MLOps Academy-kurset gratis?

Ja. Du kan begynde på MLOps Academy-kurset gratis og gennemføre de interaktive lektioner uden omkostninger. Et valgfrit PRO-abonnement giver adgang til avancerede AI-værktøjer og et certifikat, der kan deles.

Skal jeg have erfaring på forhånd for at lære Python?

Nej. Kurset begynder med det grundlæggende og bevæger sig gradvist videre til mere avancerede emner, så du kan starte uden tidligere erfaring med Python.

Hvordan lærer jeg Python på CoddyKit?

Du lærer ved at øve dig. Korte interaktive lektioner kombinerer en tydelig forklaring med en praktisk kodeøvelse, der kører i realtid, og en AI-vejleder, der er tilgængelig døgnet rundt, hjælper dig personligt, når du sidder fast.

Får jeg et certifikat, når jeg gennemfører MLOps Academy?

Ja. PRO-brugere kan tage en eksamen og få et certifikat for gennemførelse af MLOps Academy-kurset, som kan deles og indeholder en verificerbar kode.

Kan jeg lære Python på min telefon?

Ja. CoddyKit er tilgængeligt på nettet og som indbyggede iOS- og Android-apps, så du kan lære Python på enhver enhed, og dine fremskridt synkroniseres på tværs af dem.

Hvad koster CoddyKit PRO?

Det første kursus på MLOps Academy-stien er gratis. CoddyKit PRO giver adgang til alle kurser: $5.90 om ugen, $7.90 om måneden, $29.90 om året eller $69.99 én gang for livstidsadgang uden fornyelser.

Hvor lang tid tager det at gennemføre MLOps Academy?

MLOps Academy har 30 kurser og 120 lektioner. De fleste lektioner tager cirka 5–10 minutter, så hele stien kræver omkring 14 timers praktisk øvelse i dit eget tempo.

Start på MLOps Academy nu

Slut dig til tusindvis af kursister, der mestrer programmering med AI-drevne lektioner.

Start gratisSe alle kurser