راهنمای اصلی برای آزادسازی پتانسیل کامل MLflow برای بهینه سازی MLO ها. با استفاده از ابزار MLflow، گردش کار MLOps را ساده کنید
این دوره به شما می آموزد که چگونه با استفاده از سرویس مدیریت شده MLflow در Databricks، چرخه عمر پایان به انتها مدل های یادگیری ماشین خود را مدیریت کنید.
بیاموزید که چگونه میتوانید مدلهای MLflow را روی پلتفرم یا خارج از پلتفرم در مکانهایی مانند GitHub Codespaces ایجاد کنید.
کارهای هیجان انگیزی را که می توانید با پروژه های MLflow انجام دهید، از دیدگاه Databricks و Azure کاوش کنید.
در مورد اصول ردیابی بیاموزید، به جزئیات این که چرا باید مدل های خود را در تولید ردیابی کنید، و مقداری دورسنجی انجام دهید.
ارائه کارآمد محصولات یادگیری ماشینی آسان نیست، بنابراین به ابزارهای خوبی نیاز است که از توسعه مدل ML پشتیبانی کند. این دوره به شما MLflow را آموزش می دهد.