Bądźmy w kontakcie
 Czas trwania 14 godzin

Plan Szkolenia

Wprowadzenie do modeli Devstral i Mistral

  • Przegląd otwartoźródłowych modeli Mistral
  • Licencjonowanie Apache-2.0 i adopcja w środowisku korporacyjnym
  • Rola Devstral w kodowaniu i przepływach pracy agentów (agentic workflows)

Samoobsługa modeli Mistral i Devstral

  • Pprzygotowanie środowiska i wybór infrastruktury
  • Konteneryzacja i wdrażanie za pomocą Docker/Kubernetes
  • Rozważania dotyczące skalowania dla użycia produkcyjnego

Techniki dostosowywania (Fine-Tuning)

  • Nadzorowane dostosowywanie w porównaniu z efektywnym parametrowo dostosowywaniem
  • Przygotowanie i czyszczenie zbiorów danych
  • Przykłady dostosowania specyficznego dla danej dziedziny

Model Ops i wersjonowanie

  • Praktyki optymalne dla zarządzania cyklem życia modeli
  • Strategie wersjonowania i wycofywania modeli
  • Rurociągi CI/CD dla modeli ML

Zarządzanie i zgodność

  • Kwestie bezpieczeństwa w wdrożeniach otwartoźródłowych
  • Monitorowanie i audytowalność w kontekście korporacyjnym
  • Ramy zgodności i praktyki odpowiedzialnego AI

Monitorowanie i obserwowalność

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

Studium przypadków i praktyki optymalne

  • Przypadki użycia w branży przy adopcji Mistral i Devstral
  • Wyważanie kosztów, wydajności i kontroli
  • Lekcje wyniesione z otwartoźródłowego Model Ops

Podsumowanie i kolejne kroki

Wymagania

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

Grupa docelowa

  • Inżynierowie ML
  • Zespoły platform danych
  • Inżynierowie badawczy

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie