聯繫我們
 課程時長 14 時間:

課程簡介

Devstral和Mistral模型介紹

  • Mistral開源模型概覽
  • Apache-2.0授權及企業採用
  • Devstral在編碼和代理工作流中的作用

自我託管Mistral和Devstral模型

  • 環境準備和基礎設施選擇
  • 使用Docker/Kubernetes進行容器化和部署
  • 生產應用的擴展考慮

微調技術

  • 有監督微調對比參數高效微調
  • 數據集準備和清理
  • 特定領域自定義示例

模型運作與版本控制

  • 模型生命週期管理的最佳實踐
  • 模型版本控制和回滾策略
  • ML模型的CI/CD流水線

治理與合規

  • 開源部署的安全考量
  • 企業環境下的監控和審計能力
  • 合規框架和負責任的AI實踐

監控與可觀察性

  • 跟蹤模型漂移和準確性退化
  • 推理性能的儀表化
  • 告警和響應工作流

案例研究與最佳實踐

  • Mistral和Devstral採用的行業用例
  • 平衡成本、性能和控制
  • 開源模型運作的經驗教訓

總結與後續步驟

最低要求

  • 對機器學習工作流的理解
  • 具備Python基礎的ML框架經驗
  • 熟悉容器化和部署環境

受眾

  • ML工程師
  • 數據平台團隊
  • 研究工程師

人數


每位參與者的報價

即將到來的課程

課程分類