Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 14 timmar
Kursplan
Introduktion till Devstral- och Mistral-modeller
- Översikt över Mistrals modeller med öppen källkod
- Apache-2.0-licensiering och implementering i företag
- Devstrals roll i koding och agenta flöden
Självhosting av Mistral- och Devstral-modeller
- Miljöförberedelse och val av infrastruktur
- Containerisering och utrollning med Docker/Kubernetes
- Skalbarhetsöverväganden för produktionsbruk
Finjusteringstekniker
- Superviserad finjustering jämfört med parameter-effektiv justering
- Förberedelse och rensning av dataset
- Exempel på domänspecifik anpassning
Model Ops och versionering
- Bästa praxis för modell-livscykelhantering
- Modellversionering och återställningsstrategier
- CI/CD-pipelinjer för ML-modeller
Styrning och efterlevnad
- Säkerhetsaspekter vid utrollning av öppen källkod
- Övervakning och revisionerbarhet i företagskontext
- Efterlevnadsramverk och principer för ansvarig AI
Övervakning och observerbarhet
- Säkra modelldrift och försämrad noggrannhet
- Instrumentering för slutföringsprestanda
- Alertning och responsflöden
Case Studies och bästa praxis
- Branschbruk av Mistral och Devstral
- Balansera kostnad, prestanda och kontroll
- Insikter från öppen källkod Model Ops
Sammanfattning och nästa steg
Krav
- Grundläggande förståelse för machine learning-flöden
- Erfarenhet av Python-baserade ML-ramverk
- Medvetenhet om containerisering och utrollningsmiljöer
Målgrupp
- ML-ingenjörer
- Dataplattformsteam
- Forskningsingenjörer