Ist finanzielle Hilfe verfügbar?

Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.

MLOps Tools: MLflow und Umarmendes Gesicht

Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

MLOps Tools: MLflow und Umarmendes Gesicht

Dieser Kurs ist Teil von Spezialisierung „MLOps | Maschinelles Lernen Operationen“

Dozenten: Noah Gift

12.589 bereits angemeldet

Bei enthalten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

67 Bewertungen

Stufe Fortgeschritten

Empfohlene Erfahrung

3 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

67 Bewertungen

Stufe Fortgeschritten

Empfohlene Erfahrung

3 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Erstellen Sie neue MLflow-Projekte, um Modelle zu erstellen und zu registrieren.
Verwenden Sie Hugging Face-Modelle und -Datensätze, um Ihre eigenen APIs zu erstellen.
Verpacken Sie Hugging Face und stellen Sie es mithilfe von Automatisierung in der Cloud bereit.

Kompetenzen, die Sie erwerben

Kategorie: Bereitstellung von Anwendungen
Kategorie: Software für maschinelles Lernen
Kategorie: Cloud-Bereitstellung
Kategorie: Feinabstimmung
Kategorie: Cloud Computing
Kategorie: Containerisierung
Kategorie: CI/CD
Kategorie: Kontinuierliche Bereitstellung
Kategorie: MLOps (Operationen für maschinelles Lernen)

Werkzeuge, die Sie lernen werden

Kategorie: Gesicht umarmen
Kategorie: GitHub
Kategorie: Modell-Einsatz
Kategorie: Docker (Software)
Kategorie: Microsoft Azure

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

10 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „MLOps | Maschinelles Lernen Operationen“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

Dieser Kurs behandelt zwei der beliebtesten Open-Source-Plattformen für MLOps (Machine Learning Operations): MLflow und Hugging Face. Wir gehen die Grundlagen durch, die für den Einstieg in diese Plattformen mit grundlegenden Modell- und Datensatzoperationen erforderlich sind. Sie beginnen mit MLflow und verwenden Projekte und Modelle mit seinem leistungsstarken Tracking-System. Anhand von Beispielen aus dem gesamten Lebenszyklus lernen Sie, wie Sie mit diesen registrierten Modellen aus MLflow interagieren können. Dann werden Sie Hugging Face Repositories erkunden, um Datensätze und Modelle zu speichern und interaktive Live-Demos zu erstellen.

In diesem Modul lernen Sie, was MLflow ist und wie man es benutzt. Sie installieren MLflow und führen grundlegende Operationen wie die Registrierung von Läufen, Modellen und Artefakten durch. Dann erstellen Sie ein MLflow-Projekt für reproduzierbare Ergebnisse. Schließlich werden Sie verstehen, wie Sie eine Registry mit MLflow-Modellen verwenden und Artefakte aus der API referenzieren können.

Das ist alles enthalten

13 Videos13 Lektüren3 Aufgaben1 Diskussionsthema1 Unbewertetes Labor

13 VideosInsgesamt 82 Minuten

Treffen Sie Ihren Kursleiter: Alfredo Deza3 Minuten
Überblick über MLflow4 Minuten
Installieren und Verwenden von MLflow6 Minuten
Einführung in die Tracking UI9 Minuten
Parameter, Version, Artefakte und Metriken10 Minuten
Arbeiten mit MLflow-Projekten5 Minuten
Ein MLflow-Projekt erstellen8 Minuten
Projekt aus entfernten Git-Repositories ausführen4 Minuten
MLflow mit Datenträgern verbinden5 Minuten
Bestandteile eines MLflow-Pakets6 Minuten
Verwendung eines Registers mit einem MLflow-Modell5 Minuten
Artefakte mit der API referenzieren8 Minuten
Speichern und Servieren von MLflow-Modellen8 Minuten

13 LektürenInsgesamt 130 Minuten

Treffen Sie Ihren Supporting Instructor: Noah Gift10 Minuten
Kursstruktur und Diskussionsetikette10 Minuten
Erste Schritte und bewährte Praktiken10 Minuten
Ein Problem mit dem Kurs melden10 Minuten
Schlüsselbegriffe10 Minuten
Was ist MLFlow?10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
MLflow Projekte10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
MLflow-Modelle10 Minuten
Lektion Reflexion10 Minuten

3 AufgabenInsgesamt 90 Minuten

Einführung in MLFlow30 Minuten
MLflow Projekte30 Minuten
MLflow30 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

Treffen und Begrüßung (optional)10 Minuten

1 Unbewertetes LaborInsgesamt 60 Minuten

MLflow Projekte60 Minuten

In diesem Modul lernen Sie die Grundlagen der Hugging Face-Plattform kennen. Sie werden einige ihrer Funktionen wie die Repositories nutzen, in denen Sie Modelle und Datensätze speichern können. Schließlich lernen Sie, wie Sie Modelle und Datensätze mithilfe der Hugging Face APIs und der Weboberfläche hinzufügen und verwenden können.

Das ist alles enthalten

14 Videos9 Lektüren1 Aufgabe1 Unbewertetes Labor

14 VideosInsgesamt 98 Minuten

Was ist Hugging Face?6 Minuten
Übersicht über den Hugging Face Hub5 Minuten
Einführung in den Hugging Face Hub5 Minuten
Hugging Face Repositories verwenden8 Minuten
Umarmende Gesichtsbereiche verwenden13 Minuten
Einführung in Applied Hugging Face2 Minuten
GPU-aktivierte Codespaces verwenden8 Minuten
Verwendung des Hugging Face CLI2 Minuten
Verwendung des Model Hub7 Minuten
Herunterladen von Modellen8 Minuten
Arbeiten mit Modellen10 Minuten
Hinzufügen von Datensätzen7 Minuten
Datensätze verwenden11 Minuten
Arbeiten mit Datensätzen7 Minuten

9 LektürenInsgesamt 90 Minuten

Schlüsselbegriffe10 Minuten
Nabe mit umarmendem Gesicht10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
Gesicht umarmen CLI10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
Datensätze10 Minuten
Lektion Reflexion10 Minuten

1 AufgabeInsgesamt 30 Minuten

Grundlagen der Gesichtsumarmung30 Minuten

1 Unbewertetes LaborInsgesamt 60 Minuten

Einführung in Hugging Face60 Minuten

In diesem Modul lernen Sie, wie Sie Hugging Face-Modelle containerisieren und das FastAPI-Framework verwenden, um das Modell mit einem interaktiven HTTP-API-Endpunkt bereitzustellen. Sobald Sie verstehen, wie Sie alles zusammensetzen, werden Sie die Automatisierung für Geschwindigkeit und Reproduzierbarkeit nutzen. Schließlich werden Sie Azure und Docker Hub verwenden, um die Container zu speichern, damit sie später für Bereitstellungen verwendet werden können.

Das ist alles enthalten

13 Videos9 Lektüren3 Aufgaben1 Unbewertetes Labor

13 VideosInsgesamt 75 Minuten

Umarmendes Gesicht und FastAPI4 Minuten
Containerisierung Umarmendes Gesicht4 Minuten
FastAPI mit Hugging Face ausführen8 Minuten
CI/CD-Paketierung mit GitHub-Aktionen10 Minuten
Umarmendes Gesicht und Azure ML Studio5 Minuten
Registrierung eines Datensatzes für ein sich umarmendes Gesicht auf Azure8 Minuten
Registrierung eines Modells für ein sich umarmendes Gesicht in Azure6 Minuten
Inspektion eines Datensatzes für umarmende Gesichter auf Azure3 Minuten
Azure ML Python SDK6 Minuten
Verwendung von GitHub-Aktionen für Modellbereitstellungen6 Minuten
Azure Container Registry verwenden4 Minuten
Automatisierung der Paketierung mit Azure Container Registry7 Minuten
Automatisiertes Verpacken mit Docker Hub6 Minuten

9 LektürenInsgesamt 90 Minuten

Schlüsselbegriffe10 Minuten
FastAPI10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
Azure ML Python SDK10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
Docker Übersicht10 Minuten
Lektion Reflexion10 Minuten

3 AufgabenInsgesamt 90 Minuten

Quiz-Verpackung Umarmendes Gesicht30 Minuten
Gesicht und Azurblau umarmen30 Minuten
Einsatz von Hugging Face30 Minuten

1 Unbewertetes LaborInsgesamt 60 Minuten

Verpackung Umarmendes Gesicht60 Minuten

In diesem Modul lernen Sie, wie Sie Hugging-Face-Modelle feinabstimmen können, indem Sie bereits vorhandene Modelle verwenden und sie dann mit zusätzlichen Daten modifizieren (feinabstimmen). Sie werden auch Azure für die Bereitstellung des Containers verwenden und lernen, wie Sie Fehler beheben können. Schließlich erfahren Sie, wie Sie ein Modell in Hugging Face-Räumen bereitstellen können.

Das ist alles enthalten

17 Videos11 Lektüren3 Aufgaben5 Unbewertete Labore

17 VideosInsgesamt 90 Minuten

Erstellen Sie eine Azure Container-Anwendung5 Minuten
Konfigurieren Sie eine Azure Container-Anwendung5 Minuten
Bereitstellen von Hugging Face in Azure12 Minuten
Fehlerbehebung bei der Container-Implementierung4 Minuten
Einführung in die Fine-Tuning-Theorie3 Minuten
Feinabstimmung durchführen8 Minuten
Einführung in ONNX und Hugging Face9 Minuten
Exportieren von umarmenden Gesichtsmodellen nach ONNX4 Minuten
Einführung in Hugging Face Spaces5 Minuten
Umarmung Gesicht Räume Walkthrough6 Minuten
Umarmende Gesichtsbereiche einrichten3 Minuten
Konzepte zur Gewinnbeteiligung6 Minuten
Die Tragödie der GenAI Allmende4 Minuten
Spieltheorie der GenAI5 Minuten
Perfekter Wettbewerb3 Minuten
Negative Externalitäten3 Minuten
Regulatorisches Unternehmertum4 Minuten

11 LektürenInsgesamt 110 Minuten

Schlüsselbegriffe10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
Lektion Reflexion10 Minuten
Schlüsselbegriffe10 Minuten
Regulatorisches Unternehmertum10 Minuten
Ethische Beschaffung von Datensätzen10 Minuten
Glasur10 Minuten
Lektion Reflexion10 Minuten
Nächste Schritte10 Minuten
Teilen Sie Ihre Lernerfahrung10 Minuten

3 AufgabenInsgesamt 90 Minuten

Mit Azure Containern das Gesicht wahren30 Minuten
Quiz: Feinabstimmung und ONNX-Export30 Minuten
Angewandte Umarmung Gesicht30 Minuten

5 Unbewertete LaboreInsgesamt 300 Minuten

Gesicht umarmen und ONNX60 Minuten
Einsatz von Hugging Face60 Minuten
Endgültige Jupyter TensorFlow Sandbox60 Minuten
VSCode Endgültige Sandbox60 Minuten
Linux Desktop Endgültiger Desktop60 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozenten

Lehrkraftbewertungen

(15 Bewertungen)

Noah Gift

Duke University

40 Kurse276.687 Lernende

von

Duke University

Mehr von Maschinelles Lernen entdecken

Status: Kostenloser Testzeitraum
Pragmatic AI Labs
Hugging Face Hub and Ecosystem Fundamentals
Kurs
Status: Kostenloser Testzeitraum
Google Cloud
Machine Learning Operations (MLOps): Getting Started
Kurs
Status: Kostenloser Testzeitraum
Duke University
DevOps, DataOps, MLOps
Kurs
Status: Kostenloser Testzeitraum
Duke University
MLOps | Machine Learning Operations
Spezialisierung

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
43,28 %
4 stars
22,38 %
3 stars
11,94 %
2 stars
8,95 %
1 star
13,43 %

Zeigt 3 von 67 an

Geprüft am 21. Aug. 2024

Great learning resources that will be useful long after completing the course, concise presentations, and clear explanations of all topics

Weitere Bewertungen anzeigen

Häufig gestellte Fragen

Nein, die Übungen und Labore sind direkt in den Kurs integriert und verwenden integrierte Coursera Labs (VS Code + Jupyter Notebooks). Einige wenige Übungen leiten die Lernenden bei der Bereitstellung von Modellen in der Cloud an. In diesen Fällen erhalten die Lernenden eine Anleitung, wie sie ein kostenloses Azure-Konto erstellen und darauf zugreifen können.

Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.

Wenn Sie sich für den Kurs einschreiben, erhalten Sie Zugang zu allen Kursen der Spezialisierung, und Sie erhalten ein Zertifikat, wenn Sie die Arbeit abgeschlossen haben. Ihr elektronisches Zertifikat wird Ihrer Seite "Leistungen" hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder Ihrem LinkedIn-Profil hinzufügen.