In the fourth course of Machine Learning Engineering for Production Specialization, you will learn how to deploy ML models and make them available to end-users. You will build scalable and reliable hardware infrastructure to deliver inference requests both in real-time and batch depending on the use case. You will also implement workflow automation and progressive delivery that complies with current MLOps practices to keep your production system running. Additionally, you will continuously monitor your system to detect model decay, remediate performance drops, and avoid system failures so it can continuously operate at all times.
Ce cours fait partie de la Spécialisation Machine Learning Engineering for Production (MLOps)
15 544 déjà inscrits
Offert par
À propos de ce cours
77 833 consultations récentes
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 4 dans le
Niveau avancé
• Some knowledge of AI / deep learning
• Intermediate Python skills
• Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Approx. 33 heures pour terminer
Anglais
Sous-titres : Anglais, Français
Compétences que vous acquerrez
- TensorFlow Serving
- Model Monitoring
- Model Registries
- Machine Learning Operations (MLOps)
- Generate Data Protection Regulation (GDPR)
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 4 dans le
Niveau avancé
• Some knowledge of AI / deep learning
• Intermediate Python skills
• Experience with any deep learning framework (PyTorch, Keras, or TensorFlow)
Approx. 33 heures pour terminer
Anglais
Sous-titres : Anglais, Français
Offert par
deeplearning.ai
DeepLearning.AI is an education technology company that develops a global community of AI talent.
Programme de cours : ce que vous apprendrez dans ce cours
5 heures pour terminer
Week 1: Model Serving: Introduction
Learn how to make your ML model available to end-users and optimize the inference process
5 heures pour terminer
7 vidéos (Total 34 min), 5 lectures, 5 quiz
10 heures pour terminer
Week 2: Model Serving: Patterns and Infrastructure
Learn how to serve models and deliver batch and real-time inference results by building scalable and reliable infrastructure
10 heures pour terminer
8 vidéos (Total 44 min), 8 lectures, 8 quiz
12 heures pour terminer
Week 3: Model Management and Delivery
Learn how to implement ML processes, pipelines, and workflow automation that adhere to modern MLOps practices, which will allow you to manage and audit your projects during their entire lifecycle
12 heures pour terminer
9 vidéos (Total 82 min), 10 lectures, 6 quiz
6 heures pour terminer
Week 4: Model Monitoring and Logging
Establish procedures to detect model decay and prevent reduced accuracy in a continuously operating production system
6 heures pour terminer
13 vidéos (Total 66 min), 7 lectures, 5 quiz
Avis
- 5 stars70,85 %
- 4 stars20,60 %
- 3 stars3,51 %
- 2 stars3,01 %
- 1 star2,01 %
Meilleurs avis pour DEPLOYING MACHINE LEARNING MODELS IN PRODUCTION
par VL16 mai 2022
It's intense, applied, concrete and to the point. A very good course.
par KS5 févr. 2022
Broad overview of the many tools and techniques for real world ML ops
par EB5 févr. 2022
Really enjoyed it however to get he most out of it, the time commitment is large
par JL16 avr. 2022
This course has been so helpful and taught me so much information. A big thank you to all the instructors!!
À propos du Spécialisation Machine Learning Engineering for Production (MLOps)
Understanding machine learning and deep learning concepts is essential, but if you’re looking to build an effective AI career, you need production engineering capabilities as well.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
