Học thử MLOps

Giới thiệu về MLOps

Các bước trong vòng đời MLOps

Quá trình Exploratory Data Analysis bao gồm?

Video title

Khái niệm MLOPs

Design - Quy trình thiết kế

Giá trị đem lại cho người dùng + Yêu cầu kinh doanh

Chất lượng dữ liệu

Vấn đề này là?

Chỉ số đánh giá

Design - Thiết kế

Thu thập dữ liệu

Crawl và lưu trữ data Tiếng Việt

Làm sạch dữ liệu

Khám phá dữ liệu

Lựa chọn và biến đổi dữ liệu

Sắp xếp thứ tự các bước trong Feature engineering?

Development - Quá trình xử lý dữ liệu

[MLEs] 10.2.1. Bộ dữ liệu Titanic.mp4

[MLEs] 10.2.2. Đặc trưng số và đặc trưng phân loại.mp4

[MLEs] 10.2.3. Giả định và phân tích.mp4

[MLEs] 10.2.4. Xử lý dữ liệu thiếu.mp4

[MLEs] 10.2.5. Tạo khoảng giá trị.mp4

Đường dẫn Notebook

Ví dụ về một bài toán tiền xử lý dữ liệu

Các thành phần chính

Operations - Triển khai trên server

Operations - Theo dõi mô hình

Operations - Triển khai

Development - Quá trình training

Thử nghiệm học máy

Lợi ích của việc sử dụng các công cụ để theo dõi thử nghiệm?

Development - Quá trình đào tạo

Công cụ xây dựng vòng đời học máy và theo dõi thử nghiệm

Các công cụ

<p>MLOPs và các khái niệm liên quan</p>

MLOPs và các khái niệm liên quan

- Docker là gì?
- Phân biệt image và container
- Cài đặt Docker
- Xây dựng Docker Image và chạy docker Container
- Docker container

Deploy AI Model bằng Docker

Bên cạnh lượng tử hóa chúng ta sẽ đề cập đến
- Tỉa mô hình
- Nén mô hình với Huffman Coding
- Phân cụm tham số
- Chắt lọc tri thức

Tối ưu hóa mô hình

- Tại sao cần dùng Intriton Inference Server?
- Cách Deploy mô hình ONNX
- Cách Deploy mô hình Pytorch
- Cách Deploy mô hình Tensorflow
- Concurrent Model Execution
- Instance group
- Dynamic Batching
- Stateful vs Stateless Model
- Migrate từ Flask sang Triton Server

 

MLOPs và các khái niệm liên quan

1. Khái niệm MLOPs

1.1. Giới thiệu về MLOps

1.2. Các bước trong vòng đời MLOps

1.3. Quá trình Exploratory Data Analysis bao gồm?

1.4. Video title

2. Design - Thiết kế

2.1. Design - Quy trình thiết kế

2.2. Giá trị đem lại cho người dùng + Yêu cầu kinh doanh

2.3. Chất lượng dữ liệu

2.4. Vấn đề này là?

2.5. Chỉ số đánh giá

3. Development - Quá trình xử lý dữ liệu

3.1. Thu thập dữ liệu

3.2. Crawl và lưu trữ data Tiếng Việt

3.3. Làm sạch dữ liệu

3.4. Khám phá dữ liệu

3.5. Lựa chọn và biến đổi dữ liệu

3.6. Sắp xếp thứ tự các bước trong Feature engineering?

4. Ví dụ về một bài toán tiền xử lý dữ liệu

4.1. [MLEs] 10.2.1. Bộ dữ liệu Titanic.mp4

4.2. [MLEs] 10.2.2. Đặc trưng số và đặc trưng phân loại.mp4

4.3. [MLEs] 10.2.3. Giả định và phân tích.mp4

4.4. [MLEs] 10.2.4. Xử lý dữ liệu thiếu.mp4

4.5. [MLEs] 10.2.5. Tạo khoảng giá trị.mp4

4.6. Đường dẫn Notebook

5. Operations - Triển khai

5.1. Các thành phần chính

5.2. Operations - Triển khai trên server

5.3. Operations - Theo dõi mô hình

6. Development - Quá trình đào tạo

6.1. Development - Quá trình training

6.2. Thử nghiệm học máy

6.3. Lợi ích của việc sử dụng các công cụ để theo dõi thử nghiệm?

6.4. Lợi ích của việc sử dụng các công cụ để theo dõi thử nghiệm?

7. Các công cụ

7.1. Công cụ xây dựng vòng đời học máy và theo dõi thử nghiệm