Du lærer å designe og implementere ML-Ops som kan skape verdi i praksis

Bli med på et intensivt kurs som tar deg dypt inn i ML-Ops og lærer deg å identifisere de beste områdene for implementering av teknologien. Over tre dager blir du introdusert for håndgripelige eksempler, mønsterpraksis og metodikk. Fokusområdene inkluderer dataadministrasjon, ML-Ops-arbeidsflyter, modellutrulling, modellomskolering, modellarkiv, monitorering og A/B-testing. Det vil si: Alt du trenger å vite, så du ikke skal finne opp ML-hjulet på nytt hver gang.

Men kurset handler ikke bare om å lære deg tekniske ferdigheter. Det er laget for deg som vil bruke ML-Ops til å skape målbare forretningsverdier. For hvor mye nytte har du av en modell som aldri blir satt i produksjon? Du får også innsikt i hvor viktig god kommunikasjon er for ML-Ops. Når du har fullført kurset, vil du være i stand til å designe og rulle ut ende-til-ende ML-Ops-kommandokøer i virkelige prosjekter. Du vil være i stand til å skape brukbare arkitekturer som kan ta virksomheten din til nye høyder. 

Dette får du med deg hjem:

• Dyp forståelse for håndtering og vedlikehold av ML gjennom en full livssyklus.
• Kjennskap til hvordan du gjennomfører en case-studie for å identifisere prosjekter med høy avkastning, lav implementasjonskompleksitet og begrenset risiko.
• Evnen til å sette ut maskinlæringsmodeller i faktisk produksjon.
• Forståelse for en ML-Ops-arbeidsflyt, og alle dens komponenter.
• Praktisk erfaring med ML-Ops-verktøy og -teknologier.
• Kunnskapen som trengs for å designe passende ML-Ops-arkitektur for prosjekter av ulik modenhetsgrad.
• En solid forståelse for viktigheten av samarbeid og kommunikasjon innen ML-Ops.
• Kjennskap til og kunnskap om ML-Ops-bestepraksis.
• En forståelse for «Model State»-, «Data Drift»- og «Model Drift»-monitorering.
• Kjennskap til A/B-testing med mål om å velge modellen som egner seg best.
• Kjennskap til «Shadow/Canary Mode»-utrulling og hvordan disse både kan brukes for å minimere risiko og for å bygge tillit til nye modeller.
• Forståelse for ulike teknikker når det gjelder modell-gjentrening.
• Evnen til å designe og implementere skalerbare, ende-til-ende ML-Ops-kommandokøer for reelle prosjekter.

   

Derfor skal du ta dette kurset:

Brenner du etter å ta maskinlæringsferdighetene dine til neste nivå? Eller higer du etter å skape konkret forretningsverdi ved hjelp av ML-Ops? I 2019 rapporterte VentureBeat at så mye som 87 % av alle maskinlæringsmodeller aldri kommer så langt som til å bli satt i produksjon. Med andre ord: Det er bare drøye ti prosent av alle ML-modeller som faktisk kan brukes for å skape verdi!

 Den største grunnen til at så få lykkes er at prosjektene ikke klarer å levere på forretningsmålene sine. De stiller feil spørsmål, og får feil svar. Som en direkte konsekvens av dette er kompetansen innen maskinlæring sterkt vektet mot prototyping, på bekostning av praktisk ML-Ops-erfaring.

 Målet med dette kurset er å bygge en bro over dette gapet. Kurset gir deg kunnskapen til å sette modellene dine i produksjon – med høy suksessrate. Du kommer til å lære hvordan du skal identifisere prosjekter med høyt potensiale, lav kompleksitet og lav risiko. Med denne kunnskapen øker sannsynligheten for at du ikke bare vil levere på forretningsmålene dine, men at du kommer til å overlevere! Ikke kast bort tiden eller ekspertisen din – bli med på et kurs som gir deg innsikt i verktøyene og metodikken som bidrar til at du kan maksimere forretningsverdien i din organisasjon!

Stedsbeskrivelse

Rebel, Universitetsgata 2, Oslo

Forkunnskaper

Forkunnskap du bør ha for å delta:

• Programmeringserfaring (fortrinnsvis Python).
• Erfaring med bruk av dataanalyse og/eller maskinlæring.
• Kjennskap til versjonskontrollverktøy (som for eksempel Git), containerteknologi (som Docker) og skybasert infrastruktur (som Azure, AWS eller GCP) er anbefalt, men ikke obligatorisk.

Varighet

3 dager

Målgruppe

Tredagers-kurset passer for deg som kan si ja til dette:

Du er en dataanalytiker, maskinlæringsingeniør eller utvikler som ønsker å tilegne deg pragmatisk, erfaringsbasert forståelse av ML-Ops, tilhørende verkøy og mønsterpraksiser. Målet med kurset er å senke terskelen for utrulling av ML-modeller og gi deg en forståelse for det komplekse bildet av hele modellens livssyklus. Kurset tar også for seg hvordan du jobber strategisk med prioritering av maskinlæringsprosjekter for å maksimere avkastningen. Eller sagt på en annen måte: Kurset passer for deg som vil være med på å bygge bro mellom maskinlæring og forretningssuksess!

Les mer om Brights Learning AS

Se flere kurs fra Brights Learning AS (2)

766 Kurs i IT-kurs