本系列综合课程非常适合具有编程知识的个人，如软件开发人员、数据科学家和研究人员。您将掌握关键的 MLOps 技能，包括 Python 和 Rust 的使用，利用 GitHub Copilot 提高工作效率，以及利用 Amazon SageMaker、Azure ML 和 MLflow 等平台。您还将学习如何使用 Hugging Face 微调大型语言模型 (LLM)，了解如何部署 ONNX 格式的可持续、高效的二进制嵌入式模型，为在不断发展的 MLOps 领域取得成功做好准备。

通过本系列课程，您将开始学习各种职业道路所需的技能：

1.数据科学 - 分析和解释复杂的数据集，开发 ML 模型，实施数据管理，推动数据驱动决策。

2.机器学习工程 - 设计、构建和部署 ML 模型和系统，以解决实际问题。

3.云计算 ML 解决方案架构师 - 利用 AWS 和 Azure 等云平台，以可扩展、经济高效的方式架构和管理 ML 解决方案。

4.人工智能 (AI) 产品管理 - 在业务、工程和数据科学团队之间架起桥梁，以提供有影响力的 AI/ML 产品。

应用的学习项目

通过实践练习和 Github 资源库探索和练习 MLOps 技能。

1.构建 Python 脚本，为机器学习模型自动进行数据预处理和特征提取。

2.使用人工智能结对编程和 GitHub Copilot 开发一个真实世界的 ML/AI 解决方案，展示你与人工智能协作的能力。

4.使用 Gradio、Hugging Face 和 Click 框架创建用于 ML 模型交互的网络应用程序和命令行工具。

3.使用 Rust 实现 GPU 加速的 ML 任务，以提高性能和效率。

4.在亚马逊 SageMaker 和 Azure ML 上训练、优化和部署 ML 模型，实现基于云的 MLOps。

5.使用 MLflow 设计完整的 MLOps 管道，管理项目、模型和跟踪系统功能。

6.利用 Hugging Face 微调和部署大型语言模型 (LLM) 以及使用 ONNX 格式的容器化模型。创建交互式演示，有效展示您的工作和进展。