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 Mistral
- Licencja Apache-2.0 i wdrożenia w przedsiębiorstwach
- Rola Devstral w procesach kodowania i agentowych
Samodzielne hostowanie modeli Mistral i Devstral
- Przygotowanie środowiska i wybory infrastruktury
- Konteneryzacja i wdrażanie z użyciem Docker/Kubernetes
- Rozważania dotyczące skalowania w produkcji
Techniki dostrajania
- Dostrajanie nadzorowane vs. dostrajanie parametrów
- Przygotowanie i oczyszczanie zbiorów danych
- Przykłady dostosowania do konkretnych dziedzin
Model Ops i wersjonowanie
- Najlepsze praktyki zarządzania cyklem życia modelu
- Strategie wersjonowania i cofania modeli
- CI/CD dla modeli ML
Zarządzanie i zgodność
- Rozważania dotyczące bezpieczeństwa w wdrożeniach open-source
- Monitorowanie i możliwość weryfikacji w kontekście przedsiębiorstw
- Ramy zgodności i odpowiedzialne praktyki AI
Monitorowanie i obserwowalność
- Śledzenie zmian w modelach i degradacji dokładności
- Instrumentacja dla wydajności inferencji
- Procedury alertowania i reagowania
Przykłady i najlepsze praktyki
- Przykłady zastosowań Mistral i Devstral w przemyśle
- Bilansowanie kosztów, wydajności i kontroli
- Wnioski z zarządzania modelami open-source
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie procesów uczenia maszynowego
- Doświadczenie w używaniu ram frameworków uczenia maszynowego bazujących na Pythonie
- Znałomość konteneryzacji i środowisk wdrażania
Grupa docelowa
- Inżynierowie ML
- Zespoły platform danych
- Inżynierowie badawczy
14 godzin