Szkolenie Mlflow

Infoshare to największa społeczność technologiczna w CEE i organizator wiodącej konferencji tech w Gdańsku. Łączy startupy, inwestorów, korporacje i pasjonatów innowacji. Promuje przedsiębiorczość, dzielenie się wiedzą i networking. Dzięki wydarzeniom, konkursom i programom wspiera rozwój ekosystemu technologicznego w Polsce i regionie.

Szkolenie z MLflow to intensywny, dwudniowy kurs, który koncentruje się na praktycznym zastosowaniu MLflow do zarządzania cyklem życia modeli machine learningowych. Program szkolenia jest tak zaprojektowany, aby 80% czasu poświęcone było na praktyczne warsztaty, a 20% na teorię. Uczestnicy nauczą się, jak efektywnie rejestrować, śledzić, wdrażać i monitorować modele ML, pracując na rzeczywistych przykładach i przypadkach użycia.

• Data scientistów i inżynierów danych, którzy chcą poszerzyć swoje umiejętności w zakresie zarządzania cyklem życia modeli ML
• Specjalistów IT, którzy chcą wykorzystać MLflow do automatyzacji procesów ML w swoich organizacjach
• Programistów i inżynierów ML, pragnących wdrażać i monitorować modele ML w środowisku produkcyjnym
• Osób z podstawowa znajomością programowania w Pythonie oraz podstawową wiedza z zakresu uczenia maszynowego
• Doświadczenie z narzędziami do analizy danych będzie dodatkowym atutem

• Jak konfigurować i zarządzać MLflow do śledzenia eksperymentów ML
• Jak monitorować i aktualizować wdrożone modele ML
• Jak rejestrować, przechowywać i wdrażać modele ML za pomocą MLflow
• Jak integrować MLflow z popularnymi frameworkami ML i platformami chmurowymi

• DZIEŃ 1: WPROWADZENIE DO MLFLOW I PODSTAWY ZARZĄDZANIA MODElAMI
   • Podstawy MLflow
   • Wprowadzenie do MLflow i jego architektury
   • Instalacja i konfiguracja MLflow

  • ŚLEDZENIE EKSPERYMENTÓW Z MLFLOW TRACKING
     • Rejestrowanie i śledzenie eksperymentów ML
     • Zarządzanie metadanymi i wynikami eksperymentów

  • MODELOWANIE I PRZECHOWYWANIE MODELI
     • Rejestrowanie modeli z MLflow Models
     • Przechowywanie modeli w repozytorium modeli
     • Rejestrowanie i śledzenie eksperymentów
     • Praktyczne ćwiczenia z rejestrowania i śledzenia eksperymentów ML
     • Analiza i interpretacja wyników eksperymentów

• DZIEŃ 2: ZAAWANSOWANE TECHNIKI I PRAKTYCZNE ZASTOSOWANIA
   WDRAŻANIE MODELI Z MLFLOW PROJECTS
   • Tworzenie i konfigurowanie projektów MLflow
   • Wdrażanie modeli na różnych platformach

  • MONITOROWANIE MODELI Z MLFLOW MODELS
     • Monitorowanie wdrożonych modeli ML
     • Aktualizowanie i optymalizacja wdrożonych modeli

  • INTEGRACJA Z INNYMI NARZĘDZIAMI I USŁUGAMI
     • Integracja MLflow z popularnymi frameworkami ML (TensorFlow, PyTorch, Scikit-Learn)
     • Integracja MLflow z platformami chmurowymi (AWS, Azure, GCP)

  • WDRAŻANIE I MONITOROWANIE MODELU
     • Praktyczne ćwiczenia z wdrażania modelu MLflow
     • Monitorowanie i optymalizacja wdrożonego modelu

16 h/2 dni