Ta kontakt

Kursplan

Innføring til Devstral- og Mistral-modeller

  • Oppsummering av Mistral sine modeller med åpen kildekode
  • Apache-2.0-lisensiering og innføring i næringslivet
  • Devstrals rolle i koding og agentiske arbeidsflyter

Selvhosting av Mistral- og Devstral-modeller

  • Miljøforberedelse og valg av infrastruktur
  • Kontainerisering og utplassering med Docker/Kubernetes
  • Skaleringsbetraktninger for produksjonsbruk

Finjusteringsteknikker

  • Overvåket finjustering vs. parametereffektiv justering
  • Forberedelse og rensing av datasets
  • Eksempler på domespesifikk tilpasning

Model Ops og versjonering

  • Beste praksis for livssyklusstyring av modeller
  • Strategier for versjonering og tilbakerulling av modeller
  • CI/CD-piperlinjer for ML-modeller

Styring og samsvar

  • Sikkerhetsbetraktninger for utplassering med åpen kildekode
  • Overvåking og revisbarhet i næringslivskontekster
  • Samsvarsrammeverk og praksis for ansvarlig AI

Overvåking og observabilitet

  • Sporing av modelldrift og nøyaktighetsforringelse
  • Måling for inferanse-ytelse
  • Advarsels- og responsarbeidsflyter

Kasusstudier og beste praksis

  • Bransjebrukstilfeller for innføring av Mistral og Devstral
  • Å balansere kostnad, ytelse og kontroll
  • Lekser lært fra åpen kildekode Model Ops

Oppsummering og neste steg

Krav

  • Kunnskap om maskinlæringsarbeidsflyter
  • Erfaring med Python-baserte ML-rammeverk
  • Kjennskap til kontainerisering og utplasseringsmiljøer

Målgruppe

  • ML-ingeniører
  • Dataplattformteam
  • Forskningsingeniører
 14 Timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier