Yakında — Bu içerik hazırlanıyor.
MLOps Engineer
ML modellerini production'a taşıyan, izleyen ve otomatize eden yol
MLOps rotası, makine öğrenmesi modellerinin production lifecycle'ını yönetmeyi öğretir. Model versiyonlama, feature store kurulumu, otomatik yeniden eğitim ve model monitoring'i gerçek pipeline'larla uygularsın.
~14 hafta
26 Lab
Öğrenme Adımları
01
Model Versiyonlama
MLflow ile deney takibi, model registry ve artifact yönetimini öğren.
MLflow experiment tracking
Model registry ve staging
Artifact versiyonlama
02
Feature Store
Feature mühendisliğini merkezi bir store'da yönet, tekrar kullan ve izle.
Feast feature store kurulumu
Online/offline feature serving
Feature drift tespiti
03
Pipeline Otomasyonu
Kubeflow Pipelines veya SageMaker Pipelines ile uçtan uca eğitim pipeline'ı kur.
Kubeflow pipeline tasarımı
Otomatik yeniden eğitim tetikleyicisi
Pipeline A/B testing
04
Model Serving
Eğitilen modeli Kubernetes üzerinde gerçek zamanlı ve batch serving ile yayına al.
Seldon Core deployment
gRPC serving uç noktası
Canary model yayınlama
05
Model Monitoring
Data drift, model drift ve performans düşüşünü otomatik izle ve alarm oluştur.
Evidently AI entegrasyonu
Drift alarm kurulumu
Model sağlığı dashboard'u