聯繫我們

課程簡介

Devstral 與 Mistral 模型簡介

  • Mistral 開源模型概覽
  • Apache-2.0 許可證與企業採用
  • Devstral 在編程及智能體工作流程中的角色

自託管 Mistral 和 Devstral 模型

  • 環境準備與基礎設施選擇
  • 使用 Docker/Kubernetes 進行容器化與部署
  • 生產用途的擴展考量

微調技術

  • 監督式微調 vs. 參數高效微調
  • 數據集準備與清理
  • 特定領域的自定義範例

模型運管與版本控制

  • 模型生命週期管理的最佳實踐
  • 模型版本控制與回滾策略
  • ML 模型的 CI/CD 管道

治理與合規

  • 開源部署的安全性考量
  • 企業環境中的監控與審計能力
  • 合規框架與負責任的 AI 實踐

監控可觀察性

  • 追蹤模型偏移與準確率退化
  • 推理性能的儀器測量
  • 警報與響應工作流程

案例研究與最佳實踐

  • Mistral 和 Devstral 採用的行業用例
  • 平衡成本、性能與控制力
  • 來自開源模型運管的經驗教訓

總結與後續步驟

最低要求

  • 了解機器學習工作流程
  • 具備基於 Python 的 ML 框架使用經驗
  • 熟悉容器化與部署環境

受眾

  • 機器學習工程師
  • 數據平台團隊
  • 研究工程師
 14 小時

人數


每位參與者的報價

即將到來的課程

課程分類