【Udemy中英字幕】MLflow in Action – Master the art of MLOps using MLflow tool

MLflow 实战 – 使用 MLflow 工具掌握 MLOps 的艺术

释放 MLflow 的全部潜力以优化 MLOps 的大师指南。使用 MLflow 工具简化 MLOps 工作流程

讲师：J Garg – Real Time Learning

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 探索 MLOps 的基础知识以及它如何克服传统 ML 生命周期中固有的挑战。
• 深入了解 MLflow 及其 4 个组件在管理端到端机器学习操作（MLOps）中的作用。
• 了解如何使用 MLflow 工具在 MLOps 领域有效地跟踪实验、打包代码、注册和重现模型。
• 一系列 MLflow 日志功能可有效地跟踪和记录实验、运行、工件、参数、代码、指标等。
• MLflow 跟踪——轻松记录、组织和比较机器学习实验。
• MLflow 模型 – 用于高效地将模型打包成不同的风格，从而简化模型部署和与生产系统的集成。
• MLflow 项目 – 创建结构化、可重复且易于共享的机器学习工作流程。
• MLflow Registry – 用于高效的模型管理、版本跟踪，以便随着时间的推移保持模型质量和性能。
• 一个完整的端到端 ML 项目，展示 MLflow 与 AWS 云的集成。
• 使用 AWS Sagemaker 和 MLflow 在 AWS 云中构建、训练、测试和部署机器学习模型。

探索相关主题

• MLOps
• 其他 IT 和软件
• 信息技术与软件

要求

• 机器学习基本知识
• 基本 Python 知识

描述

为什么选择 MLOps？

MLOps 是现代机器学习工作流程的支柱。它解决了在生产系统中实施 ML 模型的紧迫问题。将 ML 模型投入生产通常需要数月时间，而现在使用 MLOps 工具只需几天即可实施。

根据市场上的技术讨论，2024 年是 MLOps 年，并将成为企业 ML 项目的强制性技能。

为什么 MLflow 工具适用于 MLOps？

MLflow 是 MLOps 的终极工具，因为它简化了整个机器学习生命周期。它允许您在一个统一的平台内高效地跟踪实验、打包代码、注册版本和部署模型。与其他工具不同，MLflow 简化了流程，使您能够无缝地从开发过渡到部署。

MLflow 的受欢迎程度可见一斑，成千上万的组织（从初创公司到财富 500 强企业）都将 MLflow 集成到他们的 MLOps 工作流程中。

_____________________________________________________________________________________________________

该 MLflow 课程包含哪些内容？

• 了解 MLOps 基础知识、传统 ML 生命周期的局限性以及 MLOps 如何克服这些局限性。

• 完整解释从Scratch 到实时实现的 MLflow 概念。

• 在实践中学习 MLflow 的 4 个核心组件 –跟踪、模型、项目和注册表。

• MLflow 中的各种日志功能用于精确跟踪和记录实验、运行、工件、参数、代码、指标等。

• 学习在 MLflow 中使用 Python 处理定制模型。

• 学习使用MLflow 库、UI、MLflow 客户端和 CLI 命令与 MLflow 交互。

• 学习实时 MLOps/MLflow 项目中应遵循的最佳实践和优化技术。

______________________________________________________________________________________________________

**独家**  – 一个完整的端到端 ML 项目，展示了 MLflow 与 AWS 云的集成。使用AWS Sagemaker、Codecommit、Ec2、ECR、AWS S3、IAM 等服务在 AWS 云中构建、训练、测试、部署机器学习模型，同时利用 MLflow 跟踪功能。

完成本课程后，您可以满怀信心地开始从事任何 MLOps/MLflow 项目。

附加功能

– 问题和疑问将很快得到答复。

– 课程中附有讲座中使用的代码和参考资料，以方便您的使用。

本课程适合哪些人：

• 数据科学家
• 机器学习工程师
• MLOps 工程师
• 运营工程师