|
课程培训
|
AI 工程化项目培训课程
培训目标：
完成本培训后，学员将能够： 1. 理解 AI 工程化的核心概念、挑战与最佳实践。 2. 独立或协作完成一个端到端的 AI 项目，从数据准备到模型部署与监控。 3. 掌握 MLops 的关键工具链（如 Docker, Git, CI/CD, Kubernetes, 云平台服务等）。 4. 具备构建高可用、可扩展且安全的 AI 系统的能力。 目标学员：
· 有一定基础的软件工程师/后端工程师 · 希望转型 AI 工程化的数据科学家 · DevOps/SRE 工程师 · 技术项目经理/产品经理 预备知识：
· 基本的 Python 编程能力 · 对机器学习基本概念（如训练、测试、模型评估）有初步了解 · 了解 Linux 基础命令和 Git 的基本使用 详细大纲 模块一：AI 工程化核心概念与挑战
1.1 引言：从模型到系统 什么是 AI 工程化？为什么它不同于学术研究或实验性建模？ AI 项目的生命周期 vs 传统软件开发生命周期。 面临的独特挑战：数据漂移、概念漂移、技术债、可复现性等。 1.2 MLOps 基础 MLOps 的定义、原则与成熟度模型（手动 -> 自动化 -> 自主）。 MLOps 与 DevOps 的关联与区别。 AI 工程化的关键支柱：数据、模型、代码、基础设施。 模块二：数据工程与特征平台 2.1 生产环境的数据管理 数据版本控制概念与工具介绍（如 DVC）。 数据质量验证与监控（如 Great Expectations）。 数据血缘与元数据管理。 2.2 特征工程与特征存储 生产环境中的特征工程：训练/服务偏斜问题。 特征存储的概念与价值（如 Feast, Tecton）。 实战：使用一个开源特征存储库（如 Feast）实现特征的注册、共享和复用。 模块三：模型开发与可复现性 3.1 模型训练的环境与编排 容器化基础：使用 Docker 封装训练环境。 使用 MLflow 或 Weights & Biases 进行实验跟踪、参数记录和模型注册。 分布式训练简介（可选，视项目需求）。 3.2 模型评估与验证 超越准确率：生产环境的模型评估指标（业务指标、公平性、可解释性）。 模型验证策略：在批准部署前确保新模型优于旧模型。 模块四：模型部署与服务化 4.1 部署模式 离线（批量）预测 vs. 在线（实时）推理。 嵌入式部署：将模型打包到移动端或边缘设备。 4.2 模型服务化 构建RESTful API：使用 FastAPI 或 Flask 包装模型。 容器化模型服务：创建模型的Docker 镜像。 使用专业的模型服务工具：KServe, Seldon Core, Triton Inference Server。 4.3 在云平台上部署 云服务概览：AWS SageMaker, GCP Vertex AI, Azure ML 实战：将容器化的模型部署到 Kubernetes 集群或无服务器平台（如 AWS EKS/Fargate） 模块五：自动化流水线与持续集成/持续交付 5.1 CI/CD for ML 为 ML 项目定制 CI/CD 流水线（使用 GitHub Actions, GitLab CI, Jenkins）。 自动化流程：代码检查 -> 运行测试 -> 训练模型 -> 评估 -> 部署。 5.2 构建自动化 ML 流水线 使用 Kubeflow Pipelines 或 Airflow 编排端到端的 ML 工作流。 实战：构建一个从数据预处理到模型部署的完整自动化流水线。 模块六：生产环境的监控与治理 6.1 模型与系统监控 系统监控：延迟、吞吐量、错误率、资源利用率。 模型性能监控：预测质量下降、数据漂移、概念漂移的检测与告警。 实战：使用 Prometheus/Grafana 或 Evidently AI 设置监控看板。 6.2 AI 系统的治理与伦理 模型的可解释性与公平性（SHAP, LIME）。 模型安全与对抗性攻击简介。 成本管理与优化。 模块七：综合项目实战 如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
