Kursplan

Introduktion till Cursor för data- och ML-arbetsflöden

  • Översikt över Cursors roll i data- och ML-ingång
  • Konfigurera miljön och anslut dataslutpunkter
  • Förstå AI-driven kodhjälp i notebooks

Ökning av notebook-utveckling

  • Skapa och hantera Jupyter-notebooks inom Cursor
  • Använda AI för kodkomplettering, datautforskning och visualisering
  • Dokumentera experiment och underhåll reproducerbarhet

Bygga ETL- och feature engineering-pipelines

  • Generera och refaktorera ETL-skript med AI
  • Strukturera feature-pipelines för skalbarhet
  • Versionskontrollera pipelinekomponenter och datasätt

Modellträning och utvärdering med Cursor

  • Skapa modellträningskod och utvärderingsloppar
  • Integrera datapreprocessing och hyperparameterjustering
  • Säkerställa modellreproducerbarhet i olika miljöer

Integrera Cursor i MLOps-pipelines

  • Anslut Cursor till modellregistrieringar och CI/CD-arbetsflöden
  • Använd AI-assisterade skript för automatisk återträning och distribution
  • Övervaka modelllifecykeln och versionskontroll

AI-assisterad dokumentation och rapportering

  • Generera inline-dokumentation för datapipelines
  • Skapa experimentsummeringar och framstegsrapporter
  • Förbättra teamkollaboration med kontextlänkad dokumentation

Reproducerbarhet och styrning i ML-projekt

  • Implementera bästa praxis för data- och modellstamträd
  • Underhåll styrning och compliance med AI-genererad kod
  • Granska AI-decisioner och underhåll spårbarhet

Optimering av produktivitet och framtida tillämpningar

  • Tillämpa promptstrategier för snabbare iterationer
  • Utforska automatiseringstillfällen i dataoperationer
  • Förbered dig för framtida Cursor- och ML-integreringstillägg

Sammanfattning och nästa steg

Krav

  • Erfarenhet av Python-baserad dataanalys eller maskininlärning
  • Förståelse för ETL- och modellträningsarbetsflöden
  • Bekantskap med versionskontroll och datapipelineverktyg

Målgrupp

  • Dataspecialister som bygger och itererar på ML-notebooks
  • Maskininlärningsingenjörer som utformar träning- och inferenspipelines
  • MLOps-professionals som hanterar modelldistribution och reproducerbarhet
 14 timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier