Kursplan

Introduksjon til Devstral og Mistral Modeller

  • Oversikt over Mistrals åpne kildekode modeller
  • Apache-2.0 lisensiering og bedriftsadopsjon
  • Devstrals rolle i kodings- og agentbaserte arbeidsfløyer

Selvverting av Mistral og Devstral Modeller

  • Forberedelse av miljø og infrastrukturvalg
  • Kontainering og distribusjon med Docker/Kubernetes
  • Skaleringshensyn for produksjonsbruk

Finetuning Teknikker

  • Overvåket finetuning mot parameter-effektiv tuning
  • Forberedelse og rensing av datasett
  • Eksempler på domenespesifikk tilpasning

Model Ops og Versjonering

  • Beste praksis for modell-livsyklushåndtering
  • Versjonering og tilbakestillingsstrategier for modeller
  • CI/CD-rørledninger for ML-modeller

Styring og Overholdelse

  • Sikkerhetshensyn ved distribusjon av åpen kildekode
  • Overvåking og revisjonsmuligheter i bedriftskontekster
  • Overholdelsesramverk og ansvarlig AI-praksis

Overvåking og Observasjonsmuligheter

  • Sporing av modelldrifter og nøyaktighetsforringelse
  • Instrumentering for inferensytelse
  • Varslings- og responsarbeidsfløyer

Tilfeller og Beste Praksis

  • Brancheeksempler på adopsjon av Mistral og Devstral
  • Balansering mellom kostnad, ytelse og kontroll
  • Lærdommer fra Model Ops med åpen kildekode

Sammenfatning og Neste Skritt

Krav

  • En forståelse av maskinlæringsarbeidsflyter
  • Erfaring med Python-baserte ML-rammeverk
  • Kjennskap til containerisering og deployeringmiljøer

Målgruppe

  • ML-ingeniører
  • Dataplattformlag
  • Forskningsingeniører
 14 timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier