PricingLoginStart free
MLOps Academy logo
PythonAISky og DevOpsNivåer A1 → B222 språk

MLOps Academy

Sett ML-modeller i produksjon: sporing av eksperimenter, serving, CI/CD, overvåking og deteksjon av modellskjevhet med MLflow, Docker og Kubernetes. En læringssti fra CoddyKit med 30 korte kurs og 120 interaktive leksjoner, med en AI-veileder tilgjengelig døgnet rundt.

Kurs
30
Leksjoner
120
Interaktive trinn
1,560
Gratis å komme i gang
Kurs 1
Kursinnhold

30 kurs i denne læringsstien

Alle kursene i læringsstien MLOps Academy, i læringsrekkefølge. Det første er gratis.

1

A14 leksjonerGratis

Forklar MLOps med enkle ord, og kartlegg hele ML-livssyklusen fra data til produksjon.

  1. 1MLOps kontra vanlig maskinlæring
  2. 2ML-livssyklusen i ett bilde
  3. 3Hvem gjør hva: roller i et ML-team
  4. +1 flere
Start læringen gratis
2

A14 leksjonerPRO

Finn de virkelige årsakene til at en god offline-modell mislykkes når ekte brukere tar den i bruk.

  1. 1Fellen med skjevhet mellom trening og betjening
  2. 2Stille feil: Ingen krasj, gale svar
  3. 3Når verden endrer seg under modellen
  4. +1 flere
Start læringen gratisLås opp med PRO
3

A14 leksjonerPRO

Logg parametere, måltall og kjøringer, slik at ingen eksperimenter går tapt igjen.

  1. 1Installer MLflow og start sporing
  2. 2Logge parametere, måltall og artefakter
  3. 3Sammenligne kjøringer i MLflow-grensesnittet
  4. +1 flere
Start læringen gratisLås opp med PRO
4

A14 leksjonerPRO

Lås hver avhengighet slik at treningskjøringen gir samme resultat overalt.

  1. 1Lås avhengigheter med requirements.txt
  2. 2Isoler prosjekter med virtuelle miljøer
  3. 3Initialiser tilfeldighet for kjøringer som kan gjentas
  4. +1 flere
Start læringen gratisLås opp med PRO
5

A14 leksjonerPRO

Spor store datasett i Git uten å gjøre repositoriet unødvendig stort.

  1. 1Hvorfor Git alene ikke kan versjonsstyre data
  2. 2Initialiser DVC og følg et datasett
  3. 3Send data til ekstern lagring
  4. +1 flere
Start læringen gratisLås opp med PRO
6

A24 leksjonerPRO

Lagre, versjoner og klargjør trente modeller som førsteklasses artefakter.

  1. 1Registrer den første modellversjonen
  2. 2Stadier: Staging, Production, Archived
  3. 3Legg til tagger og beskrivelser i modeller
  4. +1 flere
Start læringen gratisLås opp med PRO
7

A24 leksjonerPRO

Gjør en trent modell om til en portabel artefakt som kan lastes inn.

  1. 1Serialiser med Pickle og Joblib
  2. 2MLflow Model Flavor
  3. 3Eksporter til ONNX for portabilitet
  4. +1 flere
Start læringen gratisLås opp med PRO
8

A24 leksjonerPRO

Pakk inn en hvilken som helst modell i et ekte HTTP-API for prediksjoner.

  1. 1Det første /predict-endepunktet
  2. 2Valider forespørsler med Pydantic
  3. 3Last inn modellen én gang ved oppstart
  4. +1 flere
Start læringen gratisLås opp med PRO
9

A24 leksjonerPRO

Bygg en reproduserbar konteiner som kjører modellen Deres overalt.

  1. 1Skriv en Dockerfile for et modell-API
  2. 2Lag slankere images med flertrinnsbygg
  3. 3Send konfigurasjon via miljøvariabler
  4. +1 flere
Start læringen gratisLås opp med PRO
10

A24 leksjonerPRO

Koble trening, registrering, servering og prediksjon sammen i én fungerende pipeline.

  1. 1Tren og logg til registeret
  2. 2Promoter den beste modellen til Production
  3. 3Lever Production-modellen
  4. +1 flere
Start læringen gratisLås opp med PRO
11

B14 leksjonerPRO

Automatiser testing og distribusjon av modeller med GitHub Actions.

  1. 1Hva CI/CD betyr for modeller
  2. 2En GitHub Actions-arbeidsflyt for ML
  3. 3Krev modellkvalitet før sammenslåing
  4. +1 flere
Start læringen gratisLås opp med PRO
12

B14 leksjonerPRO

Gjør ad hoc-skript om til en reproduserbar trenings-DAG i trinn.

  1. 1Stadier: Innhenting, klargjøring, trening, evaluering
  2. 2Definer en pipeline med DVC-stadier
  3. 3Hurtigbufre og hopp over uendrede trinn
  4. +1 flere
Start læringen gratisLås opp med PRO
13

B14 leksjonerPRO

Lever konsistente funksjoner til trening og inferens med Feast.

  1. 1Hvorfor feature stores finnes
  2. 2Definer feature-visninger med Feast
  3. 3Materialiser features til en nettbasert store
  4. +1 flere
Start læringen gratisLås opp med PRO
14

B14 leksjonerPRO

Oppdag dårlige modeller og data før de når brukerne.

  1. 1Enhetstest datapipelinen
  2. 2Atferdstester for modeller
  3. 3Sett kvalitetsporter og terskler
  4. +1 flere
Start læringen gratisLås opp med PRO
15

B14 leksjonerPRO

Velg og bygg riktig prediksjonsmønster for bruksområdet Deres.

  1. 1Batchscoring etter en tidsplan
  2. 2Sanntidsinferens på nett
  3. 3Avveininger mellom latenstid, gjennomstrømning og kostnad
  4. +1 flere
Start læringen gratisLås opp med PRO
16

B14 leksjonerPRO

Pakk inn og server modeller med innebygd batching og adaptiv skalering.

  1. 1Lagre en modell i Bento Store
  2. 2Definer en tjeneste og API-et dens
  3. 3Aktiver adaptiv mikrobatching
  4. +1 flere
Start læringen gratisLås opp med PRO
17

B14 leksjonerPRO

Instrumenter en modelltjeneste slik at De kan se hva den gjør i sanntid.

  1. 1Strukturerte logger for prediksjoner
  2. 2Eksponer målinger med Prometheus
  3. 3Bygg et Grafana-dashbord
  4. +1 flere
Start læringen gratisLås opp med PRO
18

B14 leksjonerPRO

Mål når inndata eller sammenhenger endrer seg sammenlignet med treningsdataene.

  1. 1Datadrift kontra konseptdrift
  2. 2Mål drift med PSI og KS
  3. 3Generer driftrapporter med Evidently
  4. +1 flere
Start læringen gratisLås opp med PRO
19

B14 leksjonerPRO

Rull ut en ny modell til en del av trafikken og mål forbedringen.

  1. 1Fordel trafikk mellom modellversjoner
  2. 2Velg målinger som betyr noe
  3. 3Tolk signifikans uten å lure deg selv
  4. +1 flere
Start læringen gratisLås opp med PRO
20

B14 leksjonerPRO

Flytt en konteinerbasert modell fra den bærbare PC-en til et administrert skymiljø.

  1. 1Send imaget til et register
  2. 2Distribuer til et serverløst kontainerkjøremiljø
  3. 3Konfigurer autoskalering og samtidighet
  4. +1 flere
Start læringen gratisLås opp med PRO
21

B24 leksjonerPRO

Kjør trening og servering på Kubernetes med riktige primitiver.

  1. 1Pods, Deployments og Services for modeller
  2. 2Be om CPU, minne og GPU
  3. 3Konfigurer med ConfigMaps og Secrets
  4. +1 flere
Start læringen gratisLås opp med PRO
22

B24 leksjonerPRO

Distribuer modeller som autoskalerende inferenstjenester på Kubernetes.

  1. 1Ressursen InferenceService
  2. 2Skaler ned til null og opp igjen
  3. 3Skriv en egendefinert prediktor
  4. +1 flere
Start læringen gratisLås opp med PRO
23

B24 leksjonerPRO

Press maksimal gjennomstrømning ut av GPU-er med Triton Inference Server.

  1. 1Hvorfor GPU-er trenger batching
  2. 2Konfigurer dynamisk batching i Triton
  3. 3Kjør flere modellinstanser per GPU
  4. +1 flere
Start læringen gratisLås opp med PRO
24

B24 leksjonerPRO

Lanser nye modeller trygt ved å teste dem på ekte trafikk først.

  1. 1Canary-distribusjoner: Send først til noen få
  2. 2Speil trafikk uten å påvirke brukerne
  3. 3Definer kriterier for automatisk tilbakeføring
  4. +1 flere
Start læringen gratisLås opp med PRO
25

B24 leksjonerPRO

Lukk kretsen slik at modeller oppdateres etter en tidsplan eller ved drift.

  1. 1Planlagt kontra utløserbasert ny trening
  2. 2Orkestrer ny trening med Airflow
  3. 3Promoter automatisk bare hvis modellen slår baseline
  4. +1 flere
Start læringen gratisLås opp med PRO
26

B24 leksjonerPRO

Bygg robust driftsovervåking som tåler støyende data og forsinkede etiketter.

  1. 1Univariat kontra multivariat drift
  2. 2Overvåk ytelse med forsinkede etiketter
  3. 3Juster vinduer for å redusere falske alarmer
  4. +1 flere
Start læringen gratisLås opp med PRO
27

B24 leksjonerPRO

Se modellatferd fra ende til ende på tvers av data, prediksjoner og resultater.

  1. 1De fire søylene i ML-observerbarhet
  2. 2Logg prediksjoner for senere analyse
  3. 3Del opp målinger etter segment og kohort
  4. +1 flere
Start læringen gratisLås opp med PRO
28

B24 leksjonerPRO

Dokumenter hvordan enhver modell ble bygget, og hold den klar for revisjon.

  1. 1Spor data-til-modell-linjeage
  2. 2Skriv modellkort
  3. 3Revisjonsspor og reproduserbarhet
  4. +1 flere
Start læringen gratisLås opp med PRO
29

B24 leksjonerPRO

Reduser inferenskostnadene uten å ofre latenstid eller nøyaktighet.

  1. 1Dimensjoner instanser og replikaer riktig
  2. 2Kvantiser og destiller for billigere inferens
  3. 3Bruk Spot-instanser til trening
  4. +1 flere
Start læringen gratisLås opp med PRO
30

B24 leksjonerPRO

Drift, evaluer og overvåk LLM-drevne apper i produksjon.

  1. 1Hvordan LLMOps skiller seg fra klassisk MLOps
  2. 2Versjonsstyr prompter og evaluer utdata
  3. 3Spor og overvåk LLM-kall
  4. +1 flere
Start læringen gratisLås opp med PRO
CoddyKit PRO

Lås opp alle 30 kursene i denne læringsstien og alle andre læringsstier

AI-veileder, sertifiseringseksamen og sertifikat. Fungerer på web, iOS og Android.

Se alle abonnementene
Årlig$29.90 / årOmtrent $2.49 per månedBetal én gangLivstid$69.99 én gangIngen fornyelser. PRO for alltid.
Kursoversikt

MLOps: Sett ML-modeller i produksjon og overvåk dem

Sett ML-modeller i produksjon: sporing av eksperimenter, serving, CI/CD, overvåking og deteksjon av modellskjevhet med MLflow, Docker og Kubernetes. Dette læringsløpet består av 30 gradvis oppbygde minikurs, fra helt nybegynnernivå (A1) til avansert nivå (B2), med korte, fokuserte leksjoner og raske quizer som hjelper deg å befeste hvert konsept.

Dette lærer du

Du begynner med grunnleggende konsepter og bygger deg opp gjennom temaer på mellomnivå og avansert nivå, der hvert kurs bygger på det forrige. Alle leksjonene er praktiske og delt inn i passe store biter, og en AI-veileder er tilgjengelig døgnet rundt når du trenger hjelp.

Slik fungerer det

Hvert kurs er delt inn i fire fokuserte leksjoner i passe store biter. Gjennomfør noen leksjoner om dagen, så behersker du hele læringsløpet på uker, ikke måneder.

Verktøy

Øv med AI, ikke bare les

Få mer ut av læringen med AI-drevne verktøy og funksjoner

AI-chatChat med AI-veilederenStill et superspørsmålFå svar på ekspertnivåPROOpprett leksjonAI-drevet leksjonsbyggerPROStart sertifiseringseksamenFå sertifikatet dittPROStart utfordringTest ferdighetene dine

Slik lærer du

  1. 01

    Interaktive leksjoner

    Praktiske kodeøvelser med tilbakemelding i sanntid

  2. 02

    AI-veileder

    Få øyeblikkelig hjelp fra AI-en vår når du står fast

  3. 03

    Innebygd kodeeditor

    Skriv og kjør kode direkte i nettleseren

  4. 04

    Sertifikat

    Få et sertifikat når du fullfører kurset

Fortsett å utforske

Relaterte 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 utviklereMaster containerization and orchestration with Docker and Kubernetes to deploy, manage, a…
FAQ

Ofte stilte spørsmål

Er kurset i MLOps Academy gratis?

Ja. Du kan starte på kurset i MLOps Academy gratis og fullføre de interaktive leksjonene uten kostnad. Et valgfritt PRO-abonnement låser opp avanserte AI-verktøy og et delbart sertifikat.

Trenger jeg tidligere erfaring for å lære Python?

Nei. Kurset begynner med det grunnleggende og går gradvis videre til mer avanserte emner, slik at du kan starte selv uten tidligere erfaring med Python.

Hvordan lærer jeg Python på CoddyKit?

Du lærer gjennom praksis. Korte, interaktive leksjoner kombinerer en tydelig forklaring med en praktisk kodeøvelse som kjører i sanntid, og en AI-veileder som er tilgjengelig døgnet rundt, gir deg personlig hjelp når du står fast.

Får jeg et sertifikat når jeg fullfører MLOps Academy?

Ja. PRO-brukere kan ta en eksamen og få et delbart fullføringssertifikat med en verifiserbar kode for kurset i MLOps Academy.

Kan jeg lære Python på telefonen?

Ja. CoddyKit er tilgjengelig på nettet og som native iOS- og Android-apper, slik at du kan lære Python på alle enheter, mens fremdriften synkroniseres mellom dem.

Hvor mye koster CoddyKit PRO?

Det første kurset i MLOps Academy er gratis. CoddyKit PRO gir tilgang til alle kurs: $5.90 per uke, $7.90 per måned, $29.90 per år eller $69.99 én gang for tilgang på livstid uten fornyelser.

Hvor lang tid tar det å fullføre MLOps Academy?

MLOps Academy består av 30 kurs og 120 leksjoner. De fleste leksjonene tar omtrent 5–10 minutter, så hele læringsstien tar rundt 14 timer med praktisk øving i eget tempo.

Start på MLOps Academy nå

Bli med tusenvis av elever som lærer programmering med AI-drevne leksjoner.

Start læringen gratisSe alle kurs