Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
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