Au cours de cette session pratique, les participants se plongeront dans la mise en œuvre concrète de la surveillance AppDynamics pour les systèmes d’apprentissage automatique. Ils apprendront à cartographier les flux complexes des applications d’apprentissage automatique, à configurer le suivi des performances pour les workflows de science des données et à mettre en place des règles de santé spécialement conçues pour les opérations d’apprentissage automatique. Grâce à des exemples concrets et à des exercices guidés, les apprenants maîtriseront les techniques nécessaires pour créer des solutions de surveillance complètes qui prennent en compte à la fois les performances de l’infrastructure et les indicateurs spécifiques au ML, essentiels à la réussite en production.

Dans cette formation avancée, les participants maîtriseront les fonctionnalités sophistiquées de diagnostic et d'optimisation d'AppDynamics pour les applications d'apprentissage automatique. Ils apprendront à identifier les goulots d'étranglement en matière de performances, à mener des analyses des causes profondes spécifiques aux systèmes d'apprentissage automatique et à mettre en œuvre des stratégies d'optimisation qui améliorent à la fois les performances techniques et les résultats commerciaux. Grâce à des scénarios de dépannage concrets et à des exercices pratiques d’optimisation, les apprenants acquerront l’expertise nécessaire pour maintenir des applications d’apprentissage automatique hautement performantes dans des environnements de production et s’assurer que leurs systèmes génèrent une valeur métier constante.