Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do modeli Devstral i Mistral

  • Przegląd modeli open source firmy Mistral
  • Licencja Apache-2.0 i zastosowania w przedsiębiorstwach
  • Rola Devstrala w przepływach pracy związanych z kodowaniem i agentami

Samodzielne hostowanie modeli Mistral i Devstral

  • Przygotowanie środowiska i wybór infrastruktury
  • Konteneryzacja i wdrażanie z użyciem Docker/Kubernetes
  • Zagadnienia skalowania do zastosowań produkcyjnych

Techniki dostrajania

  • Dostrajanie nadzorowane a dostrajanie parametrycznie efektywne
  • Przygotowanie i czyszczenie zbiorów danych
  • Przykłady dostosowania do konkretnych dziedzin

Model Ops i wersjonowanie

  • Najlepsze praktyki zarządzania cyklem życia modeli
  • Wersjonowanie modeli i strategie wycofywania zmian
  • Potoki CI/CD dla modeli ML

Zarządzanie i zgodność

  • Zagadnienia bezpieczeństwa przy wdrażaniu rozwiązań open source
  • Monitorowanie i audytowalność w kontekście korporacyjnym
  • Ramy zgodności i praktyki odpowiedzialnego AI

Monitorowanie i obserwowalność

  • Śledzenie dryfu modelu i degradacji dokładności
  • Instrumentacja wydajności wnioskowania
  • Przepływy pracy alertowania i reagowania

Studia przypadków i najlepsze praktyki

  • Przykłady zastosowań modeli Mistral i Devstral w przemyśle
  • Równoważenie kosztów, wydajności i kontroli
  • Wnioski wyciągnięte z Model Ops opartego na open source

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość przepływów pracy w uczeniu maszynowym
  • Doświadczenie z frameworkami ML opartymi na Pythonie
  • Znajomość konteneryzacji i środowisk wdrożeniowych

Grupa docelowa

  • Inżynierowie ML
  • Zespoły platform danych
  • Inżynierowie badawczy
 14 godzin

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie