课程简介
在亚洲快速演进的技术格局中，管理并优化机器学习项目的能力日益重要。MLflow 是一个用于管理端到端机器学习生命周期的开源平台，正在改变数据专业人士的工作方式。本课程旨在帮助职场人士掌握利用 MLflow 优化机器学习工作流的关键技能，确保能够满足现代数据驱动业务环境的需求。
商业价值
对于人力资源经理和团队负责人，为团队投资 MLflow 培训将带来可观的投资回报。通过赋能员工有效管理机器学习项目，组织可以提升运营效率，缩短项目周期，并最终推动创新。本课程将帮助学员更高效地为团队做出贡献，营造持续改进与竞争优势的氛围。
课程目标
- 理解 MLflow 的核心组件与功能。
- 学习在多种环境中搭建与配置 MLflow。
- 熟练掌握在 MLflow 中进行实验跟踪与模型管理。
- 掌握使用 MLflow 部署机器学习模型的技术。
- 制定将 MLflow 集成到现有工作流与系统中的策略。
课程大纲
模块 1：MLflow 入门
本模块将介绍 MLflow 的基础，包括其架构与关键特性。学员将了解 MLflow 在机器学习项目管理中的重要意义。
模块 2：MLflow 环境搭建
本模块将通过实操指导学员完成 MLflow 的搭建与配置。内容涵盖多种环境下的安装步骤及配置最佳实践。
模块 3：实验跟踪
学员将学习如何使用 MLflow 进行实验跟踪，包括记录参数、指标与工件。本模块强调机器学习项目可重复性的重要性。
模块 4：模型管理
本模块聚焦在 MLflow 中的模型管理，包括版本控制以及在不同生产阶段之间的模型切换。还将学习模型注册表与生命周期管理。
模块 5：部署策略
学员将探索使用 MLflow 的多种部署策略，包括将模型部署为 REST API 并与其他系统集成。本模块旨在帮助学员掌握将机器学习模型落地运营化的技能。
教学方法
本课程采用互动式学习方式，结合理论讲解与实践练习。鼓励学员参与讨论、协作完成项目，并将所学应用于真实场景。这将确保对 MLflow 及其应用的全面理解。
适合人群
本课程适合从事机器学习项目管理或部署的数据科学家、机器学习工程师及 IT 专业人士。同样适用于希望提升团队机器学习项目管理能力的团队负责人与管理者。
常见问题
本课程有哪些先修要求？ 学员应具备机器学习基本概念的理解，并具有一定的 Python 编程经验。
课程时长是多少？ 课程为期三天，每天包含讲解与上机实操的组合。
是否会颁发证书？ 会。完成课程的学员将获得结业证书，以认可其使用 MLflow 的熟练程度。