Önce, MLOps’un temel özelliklerini öğreneceksin. Makine öğrenmesi yaşam döngüsünü, aşamalarını ve MLOps süreçleriyle ilişkili rolleri keşfedeceksin.

MLOps nedir?

MLOps'u Açıklamak

Seçenekler

MLOps ilkeleri doğrultusunda eylemler

MLOps ilkeleriyle uyumlu olmayan eylemler

MLOps ilkeleri

MLOps'ta farklı aşamalar

ML yaşam döngüsü

Tasarım

Geliştirme

Dağıtım

Aşama başına görevler

MLOps'taki Roller

MLOps ekibiniz

Veri Mühendisi

Veri Bilimci

MLOps süreçlerindeki temel roller

MLOps’a Giriş

Sonra, makine öğrenmesi yaşam döngüsünde tasarım ve geliştirme aşamasını öğreneceksin. Katma değer tahmini, veri kalitesi, özellik depoları ve deney takibini inceleyeceksin.

MLOps tasarımı

İş gereksinimlerinin belirlenmesi

Anahtar metrikler

Veri kalitesi ve alımı

Veri kalitesinin belirlenmesi

Veri kalitesi boyutları

Özellik mühendisliği

Model performansının iyileştirilmesi

Bir arkadaşa yardım etmek

Deney takibi

Neyi takip edebiliriz?

Deney takibini atlama

Tasarım ve Geliştirme

Bu bölümde, çalışma zamanı ortamları, konteynerleştirme, CI/CD hatları ve dağıtım stratejileri gibi makine öğrenmesini üretime dağıtmayla ilgili kavramlara derinlemesine bakacaksın.

Modeli dağıtım için hazırlama

Çalışma zamanı ortamları

Konteynerleştirmek ya da konteynerleştirmemek

Makine öğrenimi dağıtım mimarisi

Mikro Hizmet

API veri akışı

CI/CD ve dağıtım stratejisi

CI/CD boru hatları

Dağıtım stratejileri

Otomasyon ve ölçeklendirme

Bileşenler nasıl otomatikleştirilir ve ölçeklendirilir

MLOps bileşenleri

Makine Öğrenmesini Üretime Dağıtma

Son olarak, istatistiksel ve hesaplamalı izleme, yeniden eğitme, farklı MLOps olgunluk seviyeleri ve süreçleri basitleştirmek için makine öğrenmesi yaşam döngüsü içinde kullanılabilecek araçlar gibi kavramlarla üretimde makine öğrenmesini sürdürmeyi öğreneceksin.

Makine öğrenimi modellerinin izlenmesi

Makine öğrenimi izleme

İstatistiksel ve hesaplamalı izleme

Bir makine öğrenimi modelini yeniden eğitme

Sürüklenme örnekleri

Yeniden Eğitim

MLOps olgunluk seviyeleri

MLOps vadesi

MLOps araçları

Bir araç kullanma

Doğru aracı seçin

Özet: MLOps kavramları

Makine Öğrenmesini Üretimde Sürdürme

Course Glossary

Machine Learning Operations (MLOps) kavramını anlamak, makine öğrenmesi modellerini yerel bir defterden üretimde çalışan bir modele taşımak isteyen her veri bilimci, mühendis veya lider için kritik öneme sahiptir. Bu kurs, tasarım, geliştirme, dağıtım ve izleme dahil olmak üzere MLOps’un temel süreçlerini, aşamalarını ve seviyelerini tanıtır. Otomasyonun kuruluşların makine öğrenmesi modellerini verimli bir şekilde başlatmasına, izlemesine ve güncellemesine nasıl olanak sağladığını keşfedeceksin.

Videolarda, sol altta yer alan "Show transcript" seçeneğine tıklayarak açabileceğin canlı altyazılar bulunmaktadır.									
Kurs sözlüğünü sağdaki kaynaklar bölümünde bulabilirsin.				
					
CPE kredileri almak için kursu tamamlaman ve nitelikli değerlendirmede yüzde 70 puana ulaşman gerekir. Sağ taraftaki CPE kredileri duyurusuna tıklayarak değerlendirmeye gidebilirsin.									

<h2>Makine Öğrenimi Operasyonları (MLOps) hakkında bilgi edinin</h2>
MLOps kavramlarını anlamak, herhangi bir veri bilimci, mühendis veya liderin makine öğrenimi modellerini yerel bir not defterinden üretimde işleyen bir modele taşıması için gereklidir.
<br><br>
Bu eğitimde MLOps'un ne olduğunu öğrenecek, MLOps süreçlerindeki farklı aşamaları anlayacak ve farklı MLOps olgunluk seviyelerini tanımlayacaksınız. Temel MLOps kavramlarını öğrendikten sonra, makine öğrenimini sürekli, güvenilir ve verimli bir şekilde uygulama yolculuğunuzda iyi bir donanıma sahip olacaksınız.
<br><br>
<h2>Makine Öğreniminin Nasıl Ölçeklendirilebileceğini ve Otomatikleştirilebileceğini Keşfedin</h2>
Makine öğrenimi projelerimizi en az zaman ve kaynak kullanarak nasıl ölçeklendirebiliriz? Manuel müdahale ihtiyacını azaltmak ve model performansını iyileştirmek için süreçlerimizi nasıl otomatikleştirebiliriz? Bunlar, MLOps'un yanıtlarını verdiği temel Makine Öğrenimi sorularıdır.
<br><br>
Bu MLOps eğitiminde, MLOps'un temel özelliklerini ve ilgili rolleri inceleyerek MLOps'un temellerini keşfederek başlayacaksınız. Daha sonra, makine öğrenimi yaşam döngüsünün çeşitli aşamalarını daha ayrıntılı olarak keşfedeceksiniz.
<br><br>
İlerledikçe, özellik depoları, deney izleme, CI/CD boru hatları, mikro hizmetler ve konteynerleştirme dahil olmak üzere makine öğrenimi işlemlerini daha iyi ölçeklendirmek ve otomatikleştirmek için sistemler ve araçlar hakkında da bilgi edineceksiniz. Temel MLOps kavramlarını keşfedecek ve bunların uygulamalarını daha iyi anlayacaksınız.

Understanding Machine Learning

Understanding Data Engineering

MLOps ile makine öğrenimi modellerini üretime taşıyıp gerçek iş değeri yaratmayı keşfedin.

MLOps Kavramları

MLOps ile makine öğrenmesi modellerini yerel not defterlerinden üretimde gerçek iş değeri yaratan işlevsel modellere dönüştürmeyi keşfedin.

Veri Bilimcileri için Yardımcı Yapay Zeka Mühendisi

Makine Öğrenimi Mühendisi

Üretimde Makine Öğrenimi Python'da

MLOps Temelleri

Farklı kaynaklardan ham verileri ayıklayın ve merkezi bir yerde depolayın.

Gelen verilerin veri kalitesi gereksinimlerine göre doğrulandığından emin olun.

Verimli veri akışını ve analiz için erişilebilirliği sağlamak için veri işlem hatlarını tasarlayın ve sürdürün.

Model eğitim sürecinin optimize edildiğinden emin olmak için hiperparametre ayarlaması yapın.

Makine öğrenimi modelinin performansını performans gereksinimlerine göre değerlendirin.

Belirli iş sorunlarını çözmek için makine öğrenimi modelleri geliştirin ve uygulayın.

MLOps süreçlerindeki temel roller

MLOps Kavramları

Uygulamalı etkileşimli egzersiz