Khóa Học Advanced Mlops Cùng Full Stack Data Science

Nội Dung Khóa Học

Topic 1: Fundamental of Software Architecture

Khóa học sẽ bắt đầu bằng cách giới thiệu các nguyên lý cơ bản về kiến trúc phần mềm, giúp học viên hiểu được cách xây dựng hệ thống phần mềm có thể mở rộng và dễ bảo trì. Chủ đề này bao gồm các khái niệm về thiết kế phần mềm, mô hình kiến trúc và các mẫu thiết kế phổ biến.

Topic 2: Model Development Following CRISP-ML(Q)

Trong chủ đề này, học viên sẽ tìm hiểu về quy trình phát triển mô hình học máy theo phương pháp CRISP-ML(Q), một phiên bản mở rộng của quy trình CRISP-DM trong khai phá dữ liệu, đặc biệt nhấn mạnh đến chất lượng mô hình và tính khả thi trong môi trường sản xuất.

Topic 3: Model Training & Serving Design Patterns

Chủ đề này tập trung vào các mẫu thiết kế cho việc huấn luyện và phục vụ mô hình học máy. Học viên sẽ được học cách tổ chức quy trình huấn luyện mô hình và cách tối ưu hóa quá trình triển khai, đảm bảo mô hình có thể phục vụ dự đoán một cách hiệu quả trong môi trường sản xuất.

Topic 4: Serverless Inference with KServe

Trong phần này, học viên sẽ khám phá cách sử dụng KServe để triển khai mô hình học máy theo mô hình serverless. Điều này giúp tối ưu hóa chi phí và tăng tính linh hoạt khi triển khai mô hình trong môi trường đám mây, giảm thiểu việc duy trì cơ sở hạ tầng máy chủ.

Topic 5: High Density Model Serving with Model Mesh Architecture

Khóa học sẽ giới thiệu kiến trúc Model Mesh, một phương pháp giúp phục vụ nhiều mô hình học máy đồng thời một cách hiệu quả với mật độ cao. Học viên sẽ tìm hiểu cách tổ chức và quản lý các mô hình khác nhau trong một hệ thống mà không làm giảm hiệu suất.

Topic 6: Kubeflow

Chủ đề này sẽ hướng dẫn học viên sử dụng Kubeflow, một nền tảng mã nguồn mở dành cho MLOps, giúp tự động hóa các quy trình liên quan đến việc triển khai, theo dõi và quản lý mô hình học máy trong môi trường Kubernetes. Học viên sẽ được học cách cài đặt và sử dụng Kubeflow để quản lý pipeline học máy.

Topic 7: Feature Store

Feature Store là kho lưu trữ các đặc trưng (features) đã được xử lý sẵn, giúp tăng tốc quy trình huấn luyện mô hình và giảm thiểu các vấn đề liên quan đến dữ liệu không nhất quán. Học viên sẽ tìm hiểu cách triển khai và sử dụng Feature Store để quản lý dữ liệu đặc trưng trong MLOps.

Topic 8: ML System Design & MLOps

Trong chủ đề cuối cùng, học viên sẽ học cách thiết kế hệ thống học máy (ML System Design) và triển khai các quy trình MLOps để tối ưu hóa quy trình phát triển mô hình, từ huấn luyện, kiểm thử, triển khai đến giám sát. Đây là bước quan trọng để đảm bảo rằng các mô hình học máy có thể duy trì và hoạt động hiệu quả trong môi trường sản xuất lâu dài.