CI/CD, model versiyonlama, izleme ve veri kayması (drift); LLM uygulamaları için LLMOps. Modellerin canlı ortamda sürdürülebilir şekilde çalışması.
Python ve temel makine öğrenmesi bilgisi gerekir.
Eğitim içeriği kurumunuzun ihtiyaçlarına göre uyarlanır. Tüm eğitimlerimiz yüz yüze (kurumunuzda) veya çevrim içi olarak verilebilir. Eğitimi tamamlayan katılımcılara katılım belgesi verilir.
Deney takibi ve model kaydı için MLflow gibi yaygın açık kaynak araçlar ile konteyner ve CI/CD araçları. Araçlar kurumunuzun mevcut altyapısına göre uyarlanabilir.
Eğitim her iki ortama da uygulanabilecek ilkeleri anlatır; uygulamalar kurumunuzun tercih ettiği ortama göre kurgulanır.
Evet. Eğitim, prompt versiyonlama ve LLM-as-a-judge ile değerlendirme gibi LLMOps konularını da içerir.
Evet. Ücretsiz MLOps Olgunluk Analizi'ni eğitim öncesinde yapmanız, içeriği ekibinizin seviyesine göre uyarlamamıza yardımcı olur.
Model geliştirme ve canlıya alma süreçlerinizin MLOps olgunluğunu 12 soruda ölçün; seviyenizi (0–4) ve sonraki adımları görün.
MLOps olgunluğu, modellerinizin ne kadar hızlı ve güvenilir şekilde canlıya çıktığını belirler. Microsoft ve Google modellerine göre seviyeler, her seviyenin özellikleri ve bir sonraki adım.
Devamını oku →MLOps, makine öğrenmesi modellerini güvenilir şekilde canlıya taşımanın ve orada tutmanın disiplinidir. Bileşenleri, olgunluk seviyeleri, LLMOps ve AIOps ile farkı.
Devamını oku →Veri hazırlama, keşifsel veri analizi ve görselleştirme. Veri bilimine sağlam bir giriş.
Detaylı bilgi →Sınıflandırma, regresyon, model değerlendirme ve değişken mühendisliği; gerçek veri setleri üzerinde.
Detaylı bilgi →RAG mimarisi, ajanlar ve MCP, çıktıların değerlendirilmesi, güvenlik ve kurum içinde (on-premise) LLM kurulumu.
Detaylı bilgi →Konteyner teknolojileri, otomasyon ve AWS bulut mimarisinin temelleri.
Detaylı bilgi →İlgilendiğiniz eğitimleri, katılımcı sayısını ve eğitim şeklini paylaşın; size özel bir program ve teklif hazırlayalım.
