概述

本課程涵蓋如何實作各種生產機器學習系統,包括:

  • 靜態、動態與連續訓練
  • 、靜態與動態推論
  • 、批次與線上處理

。您將深入探討 TensorFlow 抽象層級,探索分散式訓練選項,並學習如何使用自訂估計器撰寫分散式訓練模型。

為什麼選擇 KORNERSTONE

  • 經認證、由實務人員主導的專家證書培訓師,提供高品質的培訓
  • 官方訓練資料包含
  • 實務、情境導向學習——著重應用,而非僅理論
  • 優秀的通過率

涵蓋技能

完成本課程後,學習者將能:

  • 區分靜態、動態與持續訓練管線。
  • 實作生產模型的靜態與動態推論。
  • 根據使用情境需求選擇批次與線上處理。
  • 導航 TensorFlow 抽象層級(從高階 Keras 到低階自訂操作)。
  • 在 Google Cloud 上建立並管理分散式訓練工作。
  • 使用 自訂估計器撰寫分散式訓練模型。
  • 應用生產機器學習系統的最佳實務。

先決條件

  • 完成 Google Cloud 進階機器學習系列第一課程(建議)
  • 具備 TensorFlow 的工作知識(包括 Keras)
  • 熟悉

  • Python 及基本雲端概念

目標受眾

  • 雲端架構師設計機器學習管線
  • 中

  • 階機器學習工程師
  • 將模型移至生產環境
  • 的資料科學家

  • 完成 Google Cloud 高級機器學習系列首期課程的學習者

培訓大綱

模組 1: 生產機器學習系統導論

  • 生產挑戰
  • 靜態 vs. 動態 vs. 持續訓練
  • 批次處理 vs. 線上處理

模組 2: 生產中的推論

  • 靜態推論(預先計算)
  • 動態推論(按需)
  • 延遲與吞吐量考量

模組 3: TensorFlow 抽象層

  • TF 2.x 生態系統
  • 估計器、Keras 與自訂迴圈
  • 何時使用哪種抽象

模組 4: 分散式訓練基礎

  • 為什麼要分散式訓練
  • 資料平行性與模型平行性
  • 鏡像策略、TPUS 策略、多工作者鏡像策略

模組 5: 分散式訓練專用的客製化估算器

  • 撰寫自訂估計器
  • 模型函數與輸入函數
  • 實驗室:使用自訂估計器的分散式訓練

模組 6: 生產管線架構

  • 持續訓練流程
  • 模型版本控制與回
  • 滾

  • 監控與警示

模組7:挑戰實驗室(技能徽章)

  • 直接跳轉至挑戰實驗室
  • ,展示生產機器學習技能,無需完成所有模組

讓我們為你努力

找不到合適的日期? 需要訓練整個團隊嗎? 想找折扣嗎?
今天就與我們的培訓顧問聯繫。

日期與地點