Thông qua bài giảng này, bạn sẽ có thể giảm bớt vô số thử nghiệm và sai sót mà bạn sẽ gặp phải trong các dự án học máy.
Với tư cách là người phụ trách quy trình học máy của Riiid, tôi sẽ dạy bạn kỹ càng từ những điều cơ bản.
Khi làm việc trong Dự án ML, tôi cảm thấy rất cần phải tự động hóa quy trình xây dựng dữ liệu và học tập mô hình, bao gồm thu thập, lọc, xử lý và xác minh. Trong khi tìm kiếm tài liệu liên quan đến MLOps, tôi đã tìm thấy tài liệu khóa học bằng tiếng Hàn và tham gia khóa học. .
Trước hết, tôi thích bài giảng bằng tiếng Hàn nên tôi có thể nghe thoải mái, giảng viên giới thiệu sự cần thiết của MLOps dựa trên kinh nghiệm thực tế của anh ấy nên nội dung rất phù hợp với tôi. Tôi cũng nhận thấy phần giới thiệu và thực hành các công cụ SaaS khác nhau được sử dụng tại hiện trường để xây dựng quy trình rất hữu ích.
Vì đang ở vị trí nhà nghiên cứu nên tôi không có kiến thức nền tảng về CS hay DevOps nên đang nghiên cứu các nội dung liên quan bằng cách tìm kiếm tài liệu dựa trên từ khóa. Từ góc độ ML, tôi nghĩ khóa học này sẽ hữu ích hơn với những người có kinh nghiệm phát triển ML, ngay cả đối với các dự án đơn giản.
Tôi nghĩ đây là một bài giảng rất hữu ích cho những người làm việc trong các dự án ML.
5.0
김현우@
19% đã tham gia
Bạn có thể tham gia các khóa học kỹ thuật mà bạn không thể tham gia ở bất kỳ nơi nào khác.
Cảm ơn bạn cho một bài giảng tuyệt vời.
5.0
hy.yoo
100% đã tham gia
Đó là một bài giảng tốt. Cảm ơn.
Bạn sẽ nhận được điều này sau khi học.
Quản lý thí nghiệm học máy
Tối ưu hóa siêu tham số
Tự động tạo báo cáo thử nghiệm học máy
TFDV xác minh dữ liệu
Phân tích mô hình
Kiểm soát chất lượng mã nghiên cứu
Thực hành Kubeflow
phòng thí nghiệm lưu trữ mô hình mlflow
Thực hành mô hình phục vụ bentoML
95% thực hành của kỹ sư học máy là ____!
Andrew Ng, một trong bốn chuyên gia AI hàng đầu, gần đây đã giải thích tầm quan trọng của MLOps tại một hội nghị trực tuyến. Ông lập luận rằng chúng ta phải vượt ra khỏi tư duy lấy mô hình làm trung tâm và tập trung vào MLOps và dữ liệu. Các kỹ sư có thể thực hiện điều này là các kỹ sư học máy.
Nhưng bạn có biết rằng việc viết mã mô hình chỉ chiếm 5% tổng công sức của dự án học máy không? Trên thực tế, 95% công việc được dành cho việc xây dựng đường ống dữ liệu, xử lý dữ liệu trước và phục vụ mô hình.
Các khóa học về học máy: Thực hành, do và để sử dụng thực tế
Đây chính là ý nghĩa của việc trở thành một kỹ sư học máy!
Các kỹ sư học máy xây dựng các quy trình học máy, tự động hóa công việc của các dự án học máy và tăng đáng kể năng suất của các tổ chức nghiên cứu.
Có rất nhiều khóa học về máy học, nhưng rất ít khóa học cung cấp các khóa học sản xuất AI thực hành. Vì vậy, sau khi tham gia bài giảng, bạn có thể trở thành một kỹ sư có thể giải quyết các vấn đề được giao trong dự án. Chúng tôi đã tạo ra một bài giảng chỉ chọn lọc nội dung thực sự cần thiết cho mục đích sử dụng thực tế.
Thông qua khóa học này, bạn sẽ có được các kỹ năng về kỹ thuật học máy cần thiết cho công việc thực tế. Tôi hy vọng bạn có thể hoàn thành dự án của mình thành công.
Đây là những gì bạn có thể làm sau khi tham gia khóa học này! 📖
Ví dụ về Báo cáo Thí nghiệm Học máy trong Thế giới thực
AutoML - Tìm các tham số tối ưu thông qua điều chỉnh siêu tham số.
Bạn có thể xây dựng các quy trình học máy bằng Kubeflow.
Ví dụ về việc xây dựng một quy trình học máy thực tế
Bạn có thể quản lý mô hình của mình thông qua mlflow.
Bạn có thể học cách phục vụ các mô hình bằng bentoml.
Những người như thế này sẽ thích nghe điều này! 🔑
Các kỹ sư phần mềm đang tìm kiếm sự chuyển đổi sang nghề học máy
Các nhà nghiên cứu AI muốn quản lý tốt các thí nghiệm học máy và tạo ra các báo cáo hấp dẫn.
Các nhà phát triển cần làm việc trên các dự án học máy nhưng lại bối rối vì thiếu kiến thức liên quan
Giới thiệu bản thân ✒️
lịch sử cá nhân
Hiện tại) Phó chủ tịch của AIOps Chuyên gia phát triển Google hiện tại cho ML Cựu kỹ sư nghiên cứu AI của Naver Cựu kỹ sư dữ liệu Kakao
Danh mục đầu tư/Video cá nhân
Những câu hỏi thường gặp 💬
H. Liệu quy trình học máy có giúp ích cho sự nghiệp của tôi không? A. Tôi có thể khẳng định chắc chắn. Đây là công nghệ quan trọng nhất trong ngành AI hiện nay. Tôi đã tư vấn cho vô số công ty và nhận thấy hầu hết họ đều khao khát chính quy trình học máy này. Nếu bạn truy cập trang giới thiệu công nghệ của các công ty AI, bạn sẽ luôn tìm thấy các công nghệ liên quan đến MLOps. Chúng giải thích cách thu thập và đào tạo dữ liệu hiệu quả.
H. Tôi có thể lắng nghe ngay cả khi tôi không biết nhiều về phát triển không? A. Khóa học được đề xuất dành cho những người có một số kiến thức về phát triển, nhưng được thiết kế để bạn có thể theo dõi mà không cần suy nghĩ.
H. Bạn bảo hiểm ở mức độ nào? A. Chúng tôi sẽ trình bày các khái niệm cơ bản về quy trình học máy và quản lý chất lượng mã, quản lý thử nghiệm, quản lý mô hình và xây dựng API phục vụ cần thiết trong thực tế.
Khuyến nghị cho những người này
Khóa học này dành cho ai?
Những người muốn áp dụng machine learning vào thực tế
Bất kỳ ai muốn giảm nợ kỹ thuật cho dự án học máy của mình
Điểm tốt
1. Bạn có thể nhanh chóng học cách tiếp cận thực tế đối với một chủ đề khá sâu sắc và thực tế.
2. Bạn có thể thấy các công cụ hữu ích như Wanb và Wit cũng như quy trình triển khai docker, kubernetes, kubeflow, mlflow, bentoML, v.v.
3. Bạn có thể đạt được những phương pháp tiếp cận hoặc bí quyết thực tế/thực tế.
Điểm xấu
1. Đây không phải là bài giảng chỉ dành cho 'Bài giảng Infron' mà là một bài nói chuyện khác? Hay giảng bài? Có vẻ như họ đã ghi lại những gì đang diễn ra và tải nó lên => Có rất nhiều điều gây xao lãng và chất lượng ghi âm bài giảng hơi thất vọng so với các bài giảng khác có cùng mức giá. Tôi đã mua và nghe khá nhiều bài giảng trên Infrun và xem các bài giảng trên các nền tảng khác, nhưng có vẻ khó để có được đánh giá tốt nếu chỉ dựa vào chất lượng bài giảng.
2. Tiếp tục từ phần 1, lời giải thích/ý kiến cá nhân/tài liệu bài giảng thiếu tinh tế thật đáng thất vọng. Có vẻ như điều này có thể xảy ra vì nó không được quay chỉ dành cho 'Infron' (Tôi không nghĩ Infron thực hiện bất kỳ việc xem xét trước nội dung bài giảng nào.)
3. Vì bạn phải để lại bài đánh giá khóa học để nhận tài liệu khóa học nên rất khó để xem video và làm theo cùng một lúc. Tất nhiên, tôi không biết liệu mình có viết bài đánh giá khóa học trước khi hoàn thành khóa học hay không, nhưng cá nhân tôi không muốn để lại một bài đánh giá vô ích nên tôi sẽ để lại bài đánh giá sau khi hoàn thành khóa học và xem xét nó. với tài liệu bài giảng khi tôi nghe đi nghe lại nhiều lần.
Đánh giá tổng thể
Đối tượng mục tiêu của khóa học là 'trung cấp trở lên'; Như đã thông báo, nó không được khuyến khích trừ khi bạn có một số kinh nghiệm hoặc thậm chí nghe nói về nó. Tuy nhiên, đây là cơ hội tốt để nhanh chóng xem xét nó bằng kinh nghiệm và xem cách tiếp cận từ góc độ của người thực hành. Ngoài ra, nếu bạn là người chăm chỉ nghiên cứu mô hình machine learning/deep learning và muốn có khả năng MLOps, thì hãy nghe nó ít nhất một lần là một ý tưởng không tồi. Tôi nghĩ sẽ là một sự kết hợp tốt nếu bạn tham gia khóa học này và hoàn thành khóa học MLOps mới mở trên Coursera.
Tài liệu tiếng Hàn về MLOps không có nhiều nên tôi xin cảm ơn bạn đã cung cấp một bài giảng hay để người khác dễ dàng tiếp cận. Tuy nhiên, tôi nghĩ sẽ tốt hơn nhiều nếu phần biên tập được chú ý nhiều hơn (tôi không thể lay chuyển được cảm giác rằng bài giảng đã được ghi lại ở một nơi khác và tải lên như cũ...) Nhìn chung, nó có vẻ là một tác phẩm hay. bài giảng để xem xét.
Thật tuyệt vời khi nghe bài giảng tôi được tiếp xúc với rất nhiều công cụ hữu ích cho việc sử dụng thực tế.
Tuy nhiên, có một chút thất vọng khi đó không phải là bài giảng dành cho Infron mà được sao chép từ một hội thảo khác.
Bài giảng hay nhưng quá trình setup môi trường là phiên bản cũ nên mất nhiều thời gian để giải quyết vấn đề. Tôi nghĩ khóa học cần cập nhật hoặc bảo trì.
Tất nhiên, bản thân bài giảng thực sự rất hay. Cảm ơn
Trong lĩnh vực ML, điều thực sự tốn nhiều thời gian và chi phí nhất không phải là phát triển mô hình mà là chuẩn bị dữ liệu (tiền xử lý, chuyển đổi, v.v.), triển khai mô hình ML đã học và liên tục duy trì mô hình để vận hành.
Công cụ hỗ trợ điều này là MLOps và khóa học này rất hữu ích trong thực tế trong tình huống không có nhiều dữ liệu về MLOps.