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 otwartoźródłowych modeli Mistral
- Licencja Apache-2.0 i adopcja w przedsiębiorstwach
- Rola Devstral w przepływach pracy związanych z kodowaniem i agentami
Samodzielne hostowanie modeli Mistral i Devstral
- Przygotowanie środowiska i wybór infrastruktury
- Konteneryzacja i wdrażanie za pomocą Docker/Kubernetes
- Zagadnienia związane ze skalowaniem w środowiskach produkcyjnych
Techniki dostrajania
- Dostrajanie nadzorowane vs dostrajanie efektywne parametrowo
- Przygotowanie i czyszczenie zbiorów danych
- Przykłady dostosowywania do konkretnych domen
Model Ops i wersjonowanie
- Najlepsze praktyki zarządzania cyklem życia modeli
- Strategie wersjonowania i wycofywania modeli
- Potoki CI/CD dla modeli uczenia maszynowego
Zarządzanie i zgodność
- Zagadnienia związane z bezpieczeństwem wdrażania open-source
- Monitorowanie i audytowalność w kontekście przedsiębiorstw
- Ramy zgodności i praktyki odpowiedzialnego AI
Monitorowanie i obserwowalność
- Śledzenie dryfu modelu i degradacji dokładności
- Instrumentacja wydajności inferencji
- Procesy alertowania i reagowania
Studia przypadków i najlepsze praktyki
- Przykłady zastosowań modeli Mistral i Devstral w przemyśle
- Balansowanie między kosztami, wydajnością i kontrolą
- Lekcje z otwartoźródłowego Model Ops
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie procesów uczenia maszynowego
- Doświadczenie w pracy z frameworkami ML opartymi na Pythonie
- Znajomość konteneryzacji i środowisk wdrażania
Grupa docelowa
- Inżynierowie uczenia maszynowego
- Zespoły platform danych
- Inżynierowie badawczy
14 godzin