Lokalne, prowadzone przez instruktora kursy szkoleniowe na żywo MLflow demonstrują poprzez interaktywną praktyczną praktykę, jak używać MLflow do usprawniania cyklu życia uczenia maszynowego i zarządzania nim. Szkolenie MLflow jest dostępne jako „szkolenie online na żywo” lub „szkolenie na żywo na miejscu”. Szkolenie na żywo online (inaczej "zdalne szkolenie na żywo") odbywa się za pomocą interaktywnego, zdalnego pulpitu . Szkolenie na żywo na miejscu może odbywać się lokalnie w siedzibie klienta w Poznań lub w korporacyjnych centrach szkoleniowych NobleProg w Poznań. NobleProg — Twój lokalny dostawca szkoleń
Sala szkoleniowa znajduje się w budynku Casa Verona przy ulicy Garbary 100/63, 61-757 Poznań.
Dojście od...
Sala szkoleniowa znajduje się w budynku Casa Verona przy ulicy Garbary 100/63, 61-757 Poznań.
Dojście od skrzyżowania ulic Garbary i Estkowskiego - należy kierować się na północ, w kierunku Parku Cytadela, wzdłuż ulicy Garbary. Casa Verona to pierwszy budynek po prawej stronie. Wejścia znajdują się od strony południowej, od ulicy Garbary oraz od strony północnej (patrz mapka poniżej).
Sala szkoleniowa znajduje się na trzecim piętrze w środkowej klatce budynku.
Parking
W pobliżu sali szkoleniowej liczba miejsc parkingowych jest ograniczona, obowiązuje strefa parkowania.
Płatne parkingi znajdują się przy skrzyżowaniu ulic Garbary i Piaskowej oraz Garbary i Grochowe Łąki (patrz mapka poniżej).
To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla analityków danych, którzy chcą wyjść poza tworzenie modeli ML i zoptymalizować proces tworzenia, śledzenia i wdrażania modeli ML.
Po zakończeniu tego szkolenia uczestnicy będą w stanie
Instalacja i konfiguracja MLflow oraz powiązanych bibliotek i frameworków ML.
Docenianie znaczenia identyfikowalności, odtwarzalności i możliwości wdrażania modelu ML
.
Wdrażanie modeli ML na różnych chmurach publicznych, platformach lub serwerach lokalnych.
Skaluj proces wdrażania ML, aby pomieścić wielu użytkowników współpracujących nad projektem.
Ustawienie centralnego rejestru do eksperymentowania, odtwarzania i wdrażania modeli ML.
Więcej...
Last Updated:
Opinie uczestników (1)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose