聯繫我們
 課程時長 14 時間:

課程簡介

Devstral 與 Mistral 模型簡介

  • Mistral 開源模型概觀
  • Apache-2.0 授權與企業採用
  • Devstral 在編碼與代理式工作流程中的角色

自我託管 Mistral 與 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
  • 生產環境使用的擴展性考量

微調技術

  • 監督式微調與參數高效調解比較
  • 資料集準備與清理
  • 特定領域客製化範例

模型運維與版本控制

  • 模型生命週期管理的最佳實務
  • 模型版本控制與回滾策略
  • 機器學習模型的 CI/CD 管線

治理與合規

  • 開源部署的安全性考量
  • 企業環境中的監控與稽核能力
  • 合規框架與負責任的人工智慧實務

監控與可觀察性

  • 追蹤模型漂移與準確度退化
  • 推論效能的儀器化監控
  • 警示與回應工作流程

案例研究與最佳實務

  • Mistral 和 Devstral 採用的行業用例
  • 平衡成本、效能與控制權
  • 開源模型運維的經驗教訓

總結與下一步驟

最低要求

  • 了解機器學習工作流程
  • 具備 Python 機器學習框架的經驗
  • 熟悉容器化與部署環境

目標受眾

  • 機器學習工程師
  • 資料平台團隊
  • 研究工程師

即將到來的課程

課程分類