DevOps、DataOps、MLOps

DevOps、DataOps、MLOps

本课程是 MLOps | 机器学习运营专项课程的一部分

位教师：Noah Gift

访问权限由 New York State Department of Labor 提供

36,852 人已注册

5个模块

深入了解一个主题并学习基础知识。

217 条评论

高级设置等级

推荐体验

灵活的计划

5 周在 10 小时一周

自行安排学习进度

93%

大多数学生喜欢此课程

5个模块

深入了解一个主题并学习基础知识。

217 条评论

高级设置等级

推荐体验

灵活的计划

5 周在 10 小时一周

自行安排学习进度

93%

大多数学生喜欢此课程

您将学到什么

使用 DevOps、DataOps 和 MLOps 构建运营管道
解释 MLOps 的原则和实践（即数据管理、模型培训和开发、持续集成和交付等）。
使用 MLOps 工具和平台，在生产环境中构建和部署机器学习模型。

您将获得的技能

您将学习的工具

要了解的详细信息

可分享的证书

添加到您的领英档案

作业

13 项作业

授课语言：英语（English）

了解顶级公司的员工如何掌握热门技能

了解关于 Coursera for Business 的更多信息

Petrobras, TATA, Danone, Capgemini, P&G 和 L'Oreal 的徽标

积累特定领域的专业知识

本课程是 MLOps | 机器学习运营专项课程专项课程的一部分

在注册此课程时，您还会同时注册此专项课程。

向行业专家学习新概念
获得对主题或工具的基础理解
通过实践项目培养工作相关技能
获得可共享的职业证书

该课程共有5个模块

学习如何应用机器学习操作（MLOps）来解决实际问题。课程涵盖端到端解决方案与人工智能（AI）结对编程，使用 GitHub Copilot 等技术构建机器学习（ML）和 AI 应用解决方案。课程结束时，您将能够使用网络框架（如 Gradio 和 Hugging Face）来构建 ML 解决方案，使用 Click 框架构建命令行工具，并利用 Rust 来完成 GPU 加速的 ML 任务。第 1 周：探索 MLOps 技术和预训练模型，为客户解决问题。第 2 周：通过优化、启发式方法和模拟，在实践中应用 ML 和 AI。第 3 周：开发运营管道，包括 DevO：使用 Github 开发运营管道，包括 DevOps、DataOps 和 MLOps：为 ML 构建容器，并以统一的方式打包解决方案，以便在接受容器的云系统中进行部署。第 5 周：从 Python 转向 Rust：从 Python 切换到 Rust，为 Kubernetes、Docker、Serverless、数据工程、数据科学和 MLOps 构建解决方案。

在本 Modulation 中，您将学习如何应用 MLOps 中的基础技能来构建机器学习解决方案，并通过用 Python 构建微服务来加以应用。

涵盖的内容

22个视频11篇阅读材料4个作业1个讨论话题1个非评分实验室

22个视频总计121分钟

MLOps 简介 5分钟
MLOps 背景 2分钟
MLOps 趋势与技术 13分钟
什么是 DevOps？ 3分钟
什么是 DataOps？ 1分钟
多氯联苯：重型与轻型 3分钟
MLOps: 需求层次理论 3分钟
数据中毒机器学习系统 3分钟
MLOP 的关键组件有哪些？ 4分钟
考虑 MLOps 成熟度模型 4分钟
什么是持续集成？ 32分钟
什么是持续交付？ 3分钟
什么是功能商店？ 2分钟
什么是数据漂移？ 2分钟
运行微服务 2分钟
微服务的 CI 7分钟
端对端 MLOps 拥抱空间 11分钟
应用程序运行程序示例 6分钟
烧瓶示例 4分钟
构建 Golang GCP 应用引擎微服务 5分钟
Makefile 入门 3分钟
Python 项目中最重要的三个文件 3分钟

11篇阅读材料总计105分钟

入门和课程问题 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
报告课程问题 5分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟

4个作业总计120分钟

小测验什么是 MLOP？ 30分钟
MLOps 的关键概念 30分钟
小测验微服务关键概念 30分钟
MLOps 的关键概念 30分钟

1个讨论话题总计10分钟

见面会（可选） 10分钟

1个非评分实验室总计60分钟

构建 CI/CD 解决方案 60分钟

在本 Modulation 中，您将学习如何将数学和数据科学方面的基本技能应用于 MLOps，并通过构建模拟来加以应用。

涵盖的内容

5个视频9篇阅读材料3个作业3个非评分实验室

5个视频总计141分钟

第一天学习数据科学 46分钟
什么是 Colab？ 6分钟
了解旅行推销员问题（TSP） 56分钟
模拟与实验跟踪 6分钟
机器学习和人工智能聚类实践 26分钟

9篇阅读材料总计90分钟

关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟

3个作业总计90分钟

小测验数据科学第一天 30分钟
小测验优化、启发式和模拟 30分钟
基本数学和数据科学 30分钟

3个非评分实验室总计180分钟

探索 Jupyter Notebook 60分钟
扑克模拟 60分钟
概率模拟 60分钟

在本 Modulation 中，您将学习如何构建 Operator 管道，然后通过为预先训练好的 Hugging Face 模型构建解决方案来应用这些技能。

涵盖的内容

20个视频9篇阅读材料1个作业2个非评分实验室

20个视频总计308分钟

云开发人员工作区优势 4分钟
GitHub 生态系统的关键组成部分 4分钟
使用 GitHub 模板 3分钟
GitHub 代码空间演示 6分钟
GPU 代码语者 2分钟
用拥抱脸进行微调 3分钟
GitHub Copilot 演示 8分钟
GitHub 操作 4分钟
使用步骤函数的数据操作管道 17分钟
查询 Databricks 管道 26分钟
在 AWS 上构建数据输入管道 2分钟
马可波罗台阶功能 8分钟
在 AWS 上转换传输中的数据 2分钟
AWS 批量服务演示 3分钟
AWS 上的无服务器数据工程管道 2分钟
从零开始构建 Python 函数 139分钟
用 Python Fire 构建 Python NLP 项目 43分钟
扩展 Google 云函数 10分钟
使用 Google 云函数 7分钟
使用 GitHub 操作部署 Rust Azure 函数 15分钟

9篇阅读材料总计90分钟

关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟

1个作业总计30分钟

运营管道： DevOps、DataOps、MLOps 30分钟

2个非评分实验室总计120分钟

马可波罗蟒蛇 60分钟
贪婪优化 60分钟

在本 Module 中，您将学习如何构建端到端 MLOps 和 AIOps 解决方案，并通过使用 OpenAI 的预训练模型构建解决方案加以应用，同时受益于使用 AI 配对编程工具（如 GitHub Copilot）。

涵盖的内容

12个视频9篇阅读材料1个作业2个非评分实验室

12个视频总计362分钟

容器化微服务 3分钟
容器化持续交付 9分钟
容器化机器学习 39分钟
容器化端到端机器学习 4分钟
构建无分布式容器 8分钟
用人工智能编写人工智能 2分钟
通过 Copilot 学习 Python DevOps 的关键技能 172分钟
亚马逊 CodeWhisperer 与 GitHub Copilot 的对比 57分钟
启用人工智能工作流程 2分钟
人工智能应用程序接口原型开发 14分钟
利用迁移学习 2分钟
利用 Streamlit 吸收 OpenAI 技术 51分钟

9篇阅读材料总计90分钟

关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟
关键术语 10分钟
补充读物 10分钟
课程反思 10分钟

1个作业总计30分钟

端到端集装箱化 MLOps 30分钟

2个非评分实验室总计120分钟

用人工智能转换代码 60分钟
构建拥抱脸 Gradio 网络应用程序 60分钟

在本模块中，你将学习如何从 Python 切换到 Rust，一种强大而高效的系统编程语言。本模块将涵盖 Rust 的各种实际应用，如 CLI、Web 和 MLOps 解决方案，以及 AWS、GCP 和 Azure 的云计算解决方案。你还将学习如何为 Kubernetes、Docker、Serverless、数据工程、Data Science 和 Machine Learning Operations (MLOps) 构建 Rust 解决方案。在本 Modulation 结束时，您将对 Rust 的关键语法和 Feature 有深刻的理解，并能够利用 Rust 完成 GPU 加速的机器学习任务。