When will I receive my Course Certificate?

If you complete the course successfully, your electronic Course Certificate will be added to your Accomplishments page - from there, you can print your Course Certificate or add it to your LinkedIn profile.

Why can’t I audit this course?

This course is currently available only to learners who have paid or received financial aid, when available.

Is financial aid available?

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.

Learn MLOps for Machine Learning

Développez vos compétences avec Coursera Plus pour 239 $/an (habituellement 399 $). Économisez maintenant.

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

Learn MLOps for Machine Learning

Instructeurs : Pearson

Inclus avec

1 module

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Intermédiaire

Expérience recommandée

7 heures à compléter

Planning flexible

Apprenez à votre propre rythme

1 module

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Intermédiaire

Expérience recommandée

7 heures à compléter

Planning flexible

Apprenez à votre propre rythme

Ce que vous apprendrez

Capitalize on MLOps as an emerging field. Data-focused companies are looking for engineers with these skill sets.
Build a basic MLOps pipeline from scratch with open-source tools - take a working template with you for your own projects.
Take ChatGPT into account to provide a practical bridge for engineers and DevOps teams.

Compétences que vous acquerrez

Catégorie : Data Pipelines
Catégorie : Automation
Catégorie : Continuous Monitoring
Catégorie : Data Management
Catégorie : Cloud Deployment
Catégorie : MLOps (Machine Learning Operations)
Catégorie : Machine Learning
Catégorie : Data Preprocessing
Catégorie : CI/CD
Catégorie : Model Evaluation

Outils que vous découvrirez

Catégorie : Model Deployment
Catégorie : AWS SageMaker

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

5 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Il y a un module dans ce cours

When teams are working with machine learning models, changing features, different data sets, new algorithms, and unique computing resources all influence a machine learning model's performance. Tracking all of these items can be complicated. With tools such as DVC, MLFlow, AWS, you can meet the challenge. Milecia McGregor demonstrates how to use MLOps tools to improve machine learning and automate some of the steps in the process.

This module introduces MLOps for machine learning engineers, covering the end-to-end pipeline from data collection to production deployment. Learners explore data handling and versioning, model creation and experiment tracking, and best practices for deploying and monitoring models in production. Through practical workflows and industry-standard tools, the course emphasizes automation, reproducibility, and maintaining robust ML systems, equipping participants to apply MLOps principles to real-world projects.

Inclus

35 vidéos5 devoirs

35 vidéos Total 250 minutes

Course Introduction 2 minutes
Learning objectives 1 minute
Gather the data 8 minutes
Analyze the data 8 minutes
Prepare the data 8 minutes
Train a model 8 minutes
Evaluate the model 8 minutes
Validate the model 7 minutes
Deploy the model 8 minutes
Monitor the model 7 minutes
Learning objectives 1 minute
Determine what the data sources are 5 minutes
Create ETL pipelines to compile the data 10 minutes
Understand the data schema with respect to the model 5 minutes
Identify data that can be used for the model 5 minutes
Perform feature engineering 10 minutes
Version the data with DVC 15 minutes
Make multiple data sets 4 minutes
MLOps best practices for data 6 minutes
Learning objectives 1 minute
Use common Python libraries 10 minutes
Code versioning with Git 10 minutes
Perform hyperparameter tuning 11 minutes
Track experiments with MLFlow 10 minutes
Track experiments with DVC 10 minutes
Evaluate the models 10 minutes
Learning objectives 1 minute
Decide the best deployment method 11 minutes
Test on pre-production environments 10 minutes
Deploy to production 5 minutes
Monitor the model for drift 10 minutes
Validate the pipeline flow 11 minutes
Automation points in MLOps 9 minutes
Set up redeploy pipeline 4 minutes
Learn MLOps for Machine Learning: Summary 2 minutes

5 devoirs Total 150 minutes

Learning the MLOps Pipeline Quiz 30 minutes
Handling the Data Quiz 30 minutes
Creating a Model Quiz 30 minutes
Working with Production Models Quiz 30 minutes
End of Course Assessment 30 minutes

Instructeurs

Pearson

268 Cours 48 070 apprenants

Offert par

Pearson

En savoir plus sur Machine Learning

Google Cloud
Machine Learning Operations (MLOps): Getting Started
Cours
Duke University
MLOps | Machine Learning Operations
Spécialisation
Duke University
MLOps Platforms: Amazon SageMaker and Azure ML
Cours
Duke University
DevOps, DataOps, MLOps
Cours

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Découvrir les diplômes

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions

Yes, you can preview the first video and view the syllabus before you enroll. You must purchase the course to access content not included in the preview.

If you decide to enroll in the course before the session start date, you will have access to all of the lecture videos and readings for the course. You’ll be able to submit assignments once the session starts.

Once you enroll and your session begins, you will have access to all videos and other resources, including reading items and the course discussion forum. You’ll be able to view and submit practice assessments, and complete required graded assignments to earn a grade and a Course Certificate.