内容 隐藏
1 MLOps 的 Python 编程 – 生产环境
2 Python Programming for MLOps – Production Environment
2.1 学习内容
2.2 要求
2.3 描述
2.4 本课程适合谁：

MLOps 的 Python 编程 – 生产环境

Python Programming for MLOps – Production Environment

使用 Python 优化 MLOps、AIOps 和 DevOps 工作流 – 生产化的基本技能

 学习内容

  • 自信地将 Python 应用于基础架构和运营任务：使用核心原则、文件处理、模块和 OOP 编写干净、模块化的 Python 代码。
  • 自动执行与文件相关的操作：高效操作、加密和处理 DevOps、MLOps 和 AIOps 中常用的各种文件格式。
  • 创建交互式命令行应用程序：使用 Python 构建 CLI，以自动执行任务并简化工作流。
  • 有效远程管理 Linux 系统：使用 Python 的 Fabric 库进行远程执行，使用 psutil 进行系统监控
  • 创建、管理和发布 Python 包：将代码组织到可重用的包中，并在 PyPI 等平台上分发它们。
  • 利用 Docker 进行应用程序部署：了解 Docker 镜像创建、容器化和部署。
  • 使用 GitHub Actions 自动执行工作流：使用 GitHub Actions 设计和配置 CI/CD 管道。
  • 利用 AWS 服务实施 CI/CD 工作流：设计利用 S3 进行存储和利用 EC2 实例进行部署的管道。
  • 专门为 MLOps 项目编写测试：使用 Pytest 确保 MLOps 的可靠性和可维护性。
  • 使用代码配置和管理基础设施：使用 Pulumi 的 Python SDK 应用基础设施即代码 （IaC） 原则。
  • 体验完整的 MLOps 管道：构建端到端 MLOps 解决方案，集成在整个课程中学到的工具和概念。
  • 设置持续监控以提高可见性：使用 Prometheus 和 Grafana 实施监控和警报。

 要求

  • 无需编程经验
  • 只需一台笔记本电脑和 CLI 即可编写代码

 描述

掌握简化 DevOps 工作流、实施智能 MLOps 管道和优化 AIOps 实践所需的基本 Python 技能。这门综合课程深入探讨了 Python 基础知识、文件自动化、命令行掌握、Linux 实用程序、包管理、Docker、使用 AWS 的 CI/CD、基础设施自动化，甚至高级监控和日志记录技术。

您将培养的关键技能：

  • Python 基础：对变量、数据类型、控制结构、函数、面向对象的编程以及干净 Python 代码的最佳实践有深入的理解。

  • 文件自动化：轻松操作 MLOps、AIOps 和 DevOps 项目中使用的文本、二进制和各种文件格式（如 CSV、JSON 等）。了解安全文件处理的加密策略。

  • 命令行电源：使用 argparse、Click 和 fire 等 Python 库构建命令行界面并自动执行任务。

  • Linux 集成：使用 Python 的 Fabric 和 psutil 库有效地与 Linux 系统交互。

  • 包管理：了解如何创建、管理和发布您自己的 Python 包，以简化您的工作流程。

  • Docker 专业知识：掌握 Docker 容器化，实现一致且可移植的部署。

  • GitHub Actions 自动化：为您的 Python 项目创建和自定义 GitHub Actions 工作流程。

  • AWS 基础知识：在 AWS 上设置您的 AWS 环境、使用 S3 存储桶、管理 EC2 实例以及设计 CI/CD 管道。

  • Pytest 功率：使用 Pytest 为您的 MLOps 项目编写可靠且可维护的测试。

  • 使用 Pulumi 的基础设施即代码：使用 Pulumi 的 Python SDK 自动执行基础设施配置和管理。

  • MLOps 在行动：参加展示完整 MLOps 管道的动手演示。

  • 监控和日志记录：使用 Prometheus 和 Grafana 设置持续监控，以获得对系统的可操作见解。

这门课程的适用对象：

  • 对简化 DevOps 流程感兴趣的开发人员

  • 希望增强 MLOps 实践的数据科学家和 ML 工程师

  • 希望实施 AIOps 策略的 IT 专业人员

  • 任何渴望掌握 Python 进行基础设施管理和自动化的人

本课程适合谁：

  • 对简化 DevOps 流程感兴趣的开发人员
  • 希望增强 MLOps 实践的数据科学家和 ML 工程师
  • 希望实施 AIOps 策略的 IT 专业人员
  • 任何渴望掌握 Python 进行基础设施管理和自动化的人
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。