Cursusaanbod

Inleiding tot Devstral en Mistral Modellen

  • Overzicht van open-source modellen van Mistral
  • Apache-2.0 licentie en enterprise-adoptie
  • De rol van Devstral in codering en agentic workflows

Zelf-hosting van Mistral en Devstral Modellen

  • Voorbereiding van de omgeving en keuzes voor infrastructuur
  • Containerisatie en implementatie met Docker/Kubernetes
  • Schalingsoverwegingen voor productiegebruik

Technieken voor fine-tuning

  • Gebeurtenisgestuurd fine-tuning vs. parameter-efficiënt tuning
  • Voorbereiding en schoonmaken van datasets
  • Voorbeelden van domeinspecifieke aanpassingen

Model Ops en versiebeheer

  • Beste praktijken voor het beheer van de levenscyclus van modellen
  • Versiebeheer van modellen en terugrolstrategieën
  • CI/CD-pijplijnen voor ML-modellen

Governance en naleving

  • Beveiligingsoverwegingen voor open-source-implementatie
  • Monitoring en controle in enterprise-contexten
  • Nalevingskaders en verantwoordelijke AI-pratijken

Monitoring en observabiliteit

  • Het volgen van modeldrift en verslechtering van nauwkeurigheid
  • Instrumentatie voor inferentieprestaties
  • Waarschuwing en reactieworkflows

Case studies en beste praktijken

  • Industriegevallen van adoptie van Mistral en Devstral
  • Balan van kosten, prestaties en controle
  • Leerpunten uit open-source Model Ops

Samenvatting en volgende stappen

Vereisten

  • Een begrip van machine learning workflows
  • Ervaring met Python-gebaseerde ML frameworks
  • Kennis van containerisering en deploy-omgevingen

Doelgroep

  • ML engineers
  • Data platform teams
  • Research engineers
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën