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.
Kursplan
Introduktion till Devstral och Mistral Modeller
- Översikt över Mistrals öppna källkodsmodeller
- Licensering Apache-2.0 och företagsanvändning
- Devstrals roll i kodnings- och agentbaserade arbetsflöden
Självhostning av Mistral och Devstral Modeller
- Förberedelse av miljö och infrastrukturval
- Containerisering och distribution med Docker/Kubernetes
- Skalningsöverväganden för produktion
Fina-justeringsmetoder
- Övervakad finjustering vs parametereffektiv justering
- Förberedelse och rensning av dataset
- Exempel på domänspecifik anpassning
Model Ops och Versionering
- Bästa praxis för modellens livscykelhantering
- Versionering och återställningsstrategier för modeller
- CI/CD-pipelines för ML-modeller
Styrning och efterlevnad
- Säkerhetsöverväganden för öppen källkodsdistribution
- Övervakning och granskbarhet i företagsmiljöer
- Efterlevnadsramverk och ansvarsfull AI-praxis
Övervakning och Observabilitet
- Spårning av modelldrift och försämring av noggrannhet
- Instrumentering för inferensprestanda
- Varning och återhämtningsarbetsflöden
Fallstudier och Bästa Praxis
- Industrifall av Mistral- och Devstral-användning
- Balansering av kostnad, prestanda och kontroll
- Lärdomar från öppen källkods Model Ops
Sammanfattning och Nästa Steg
Krav
- Förståelse för maskininlärningsarbetsflöden
- Erfarenhet av Python-baserade ML-ramverk
- Kunskap om containering och distributionsmiljöer
Målgrupp
- ML-ingenjörer
- Dataplattformsteam
- Forskningsingenjörer
14 timmar