Erkan Şirin

Senior Data Engineer

Erkan Şirin profil fotoğrafı

Başvuru Durumu

MLOps’un açılımı Machine Learning Operations‘dır, odak noktası ise yapay öğrenme modellerinin canlı ortamlarda çalıştırılması sürecidir. MLOps, yazılımların canlı ortamlarda dağıtılması süreçlerine odaklanan DevOps’a benzerlik gösterir ancak kendine özgü farklılıklara sahiptir.

MLOps model geliştirme aşamasını da kapsayacak şekilde modelin gerçekten değer üretir hale gelmesiyle ilgili süreci kapsayan bir disiplindir.

Birkaç tane modeli manuel olarak eğitebilir, canlı ortama taşıyabilir, sonuçlarını ve iyi çalışıp çalışmadığını takip edebilirsiniz. Ancak ya bu modeller çoğalırsa? Nasıl takip edeceksiniz? Otomatize etmeniz gerekecek. Peki nasıl yapacaksınız? Veri değişirse ne olacak? Model kötüleşirse ne olacak? Daha bunun gibi bir sürü husus için tedbir almalısınız. Modeller çoğaldıkça bu kadar işi manuel olarak yapmak imkansız hale gelecek ve bu duruma çözüm bulmak için arayışa gireceksiniz. İşte aradığınız bu şeyler neler, bunlarla ilgili en iyi pratikler neler, ne tür araçları kullanabilirim, nasıl bir sistem kurabilirim gibi sorunların cevapları MLOps bize verir.

Öğrenmenin birçok yolu var, lakin her daim en iyi yöntem usta çırak ilişkisi. Erkan Öğretmen’in MLOps eğitimi de böyle bir eğitim işte. Dikkatlice hazırlanmış, adım adım sonuca götüren bir süreç. Sonucu elbette kursa olan ilgimiz belirliyor ancak doğru ödevler ve gerçek problemler ile teknolojinin nasıl kullanılacağını direk öğreniyorsunuz.
Ahmet Alper Kunt
Data Scientist
MLOps eğitimi boyunca öğrendiğim uçtan uca ML projesi geliştirme yöntem ve teknikleri sayesinde bir çok iş ilanında gereksinim duyulan yetenekleri karşılayabilir hale geldim. İş başvurularımın 21. gününde girdiğim ilk interview sonucunda NextEra Energy Sources'tan Data Scientist pozisyonu için teklif aldım.
Oğuzhan Karaca
Data Scientist

Eğitim Özeti

MLOps model geliştirme sonrası modelin canlı ortamda çalıştırılması, izlenmesi ve bakımının yapılması aşamalarına odaklanan bir kavramdır. Bu eğitimle birlikte model sonrasında neler olup bitiyor öğreniyor olacaksınız.

Veri bilimi ve yapay zeka artık emekleme aşamasını çoktan geçti. Zaman modelleri canlı ortamda çalıştırma ve gerçek bir değer sunma zamanıdır. Bu konuda bir adım önde olmak ve fark yaratmak istiyorsanız tam yerindesiniz.

  • VBO Bootcamp eski mezunlarına %20 indirim imkanı
  • Gerçekçi Proje ve Ödevler ( API ile model sunma, model drift tespiti, Kubernetes ve AWS üzerinden model sunma vb.)

Önemli not:

– Bitirme belgesi yalnızca derslerin en az %70’ine katılan, ödevlerin en az %70’ini yapan ve bitirme projesini bizzat sunarak 100 üzerinden en az 70 puan alanlar için düzenlenir.

– Kursu takip için Docker çalışan bir bilgisayar gereklidir. 

– İş bilgisayarları ile katılım sağlamamanızı tavsiye ederiz. Güvenlik politikaları ve yönetici yetkisi olmaması yüzünden zaman zaman problem yaşanmaktadır.

 

Eğitim 3 safhadan oluşmaktadır;

1. Ön Hazırlık: Kesin kayıtla başlar, 2-4 hafta

Bu aşamada hibrit derslerin anlaşılmasını kolaylaştıracak eğitimler Miuul platformu üzerinden mentör ve eğitmen desteği ve rehberliğinde alınır. Örneğin canlı derste docker-compose veya SQL join kullanılacak ise ayrıca bunların ne demek olduğu için zaman kaybetmemek amaçlanmıştır. 

2. Hibrit Dersler: 13 Mayıs 2023  – 17 Haziran 2023 (MLOps-3), 5 hafta.

Eğitimin ana bölümüdür ve aşağıda “Program süresince bahsedilecek konular” başlığındaki müfredat ile haftada 3 saat canlı ders + ödev kontrolü + konu anlatım videoları olacak şekilde Zoom + Miuul üzerinden devam eder.

3. Bitirme Projesi: 29-30 Haziran 2023, 2 hafta.

Dersler bittikten sonra kursiyerlerin bitirme projelerini tamamladıkları ve Zoom üzerinden sundukları safhadır. Bu safhada bireysel/grup çalışması yapılır. Mentor ve eğitmen desteği devam eder. 

Bu eğitimde aşağıdaki soruların ve daha başka bir çoğunun cevaplarını bulacağız.

  • Bir API ile modeli nasıl sunarız?
  • Modellerimizin önünde nasıl load-balancer kullanırız?
  • Reverse-proxy TLS termination nasıl yaparız?
  • Modellerimizin fonksiyonel, yük, performans ve stres testini nasıl yaparız?
  • Modelimizi konteyner imajı haline nasıl getiririz?
  • Modelimizi Docker ve Kubernetes üzerinden nasıl sunarız?
  • Modelimizi bulutta nasıl sunarız?
  • Uçtan uca MLOps tasarımı nasıl bir şey olur?
  • Model geliştirirken ML Pipelines kullanmanın faydaları nelerdir?
  • Modeli tekrar ne zaman eğitiriz?
  • İşleri nasıl otomatiğe bağlarız?
  • MLOps’ta da CI/CD var mı?
  • MLOps için hangi araçlar var?
  • Bulutta MLOps ile ilgili hangi servisler var?

Sıkça Sorulan Sorular

  • Online-uzaktan eğitimde deneyimli bir ekip ile çalışma imkanı.
  • MLOps konularını uygulama seviyesinde öğrenme.
  • Türkçe olarak hiçbir online ya da sınıf eğitimlerinde bulunmayan özgün içeriklerle gerçek çalışma hayatına yakın örnekler.
  • Birlikte öğrenme ve topluluk gücünden faydalanma imkanı.
  • Sektör deneyim ve tecrübesi yüksek bir uzman ve ekibinden sektörün beklentilerine yönelik örneklerle dolu bir eğitim.
  • Bulut üzerinde örnekler.
  • Canlı olarak soru sorma özgürlüğü.
  • Kompakt ve biz bize modunda samimi bir ortam.

Eğitim süresi:

  • Ön hazırlık aşaması Miuul üzerinden 2-4 hafta
  • Canlı eğitimler 5 hafta
  • Bitirme projesi 2 hafta

Ön hazırlık aşaması kesin kayıt gerçekleşir gerçekleşmez başlar.

Hibrit eğitim: 13 Mayıs 2023  – 17 Haziran 2023 (MLOps-3)

Proje sunumları: 29-30 Haziran 2023

Canlı eğitimler ve ödev kontrolü Cumartesi 10:00-13:00 saatlerinde olacaktır. Her haftaya ait video eğitimler katılımcıların kendi müsatliğine ve hızına göre gerçekleşecektir.

  • Öğrenci: 8.600₺ KDV Dahildir.
  • Tam zamanlı: 11.000₺ KDV Dahildir.

Not-1: Eski VBO Bootcamp öğrencilerine % 20 indirim uygulanır.

Not-2: Rakamlar şu anki liste fiyatı olup kesin kayıt gerçekleşene kadar fiyat güncellemesi olabilir.

Not-3: Fiyata ön hazırlık programı dahildir.

  • Python bilgisi (ön hazırlıkta mevcuttur)
  • Temel Docker bilgisi (ön hazırlıkta mevcuttur)
  • Temel makine öğrenmesi bilgisi (ön hazırlıkta mevcuttur)
  • Daha önce iş için veya kişisel eğitim amacıyla ML modeli geliştirmiş olmak
  • Temel SQL ve veri tabanı bilgisine sahip olmak (ön hazırlıkta mevcuttur)
  • Aktif öğrenme süreci: Alıştırmalar-ödevler ve projeler.
  • Kendi programını kendin belirle: Tüm derslerin video versiyonları ile müsaitlik durumuna göre tekrar çalışma imkanı.

Ön Hazırlık (Miuul)

  • Linux Basic, Bash Script
  • Git Basic
  • Crontab
  • Postgresql & SQL Basics
  • Docker
  • Python Programming
  • Machine Learning with Python

Introduction to MLOps, ML Engineering and Common Challenges in Machine Learning

  • MLOps Maturity Levels
  • Roles (ML Engineer, Data Scientist, Data Engineer)
  • ML engineering in the real world
  • What does an ML solution look like?
  • High-level ML system design

The Machine Learning Development Process

  • Model development environments
  • Model development tools
  • Model deployment methods
  • Prepare environment (VM, Docker, AWS, AWS CLI, etc.)
  • Create IAM role/user
  • Create an S3 bucket, read and write data with Python/Boto3
  • S3 compatible object storage: MinIO
  • How MLflow helps model development

Developing an API with FastAPI

  • Introduction to FastAPI
  • Path parameters
  • Query parameters
  • Response model
  • SQLModel
  • Data validation with Pydantic
  • Database CRUD Operations with FastAPI

ML Model Deployment with FastAPI

  • How to store and load models
  • Loading models from MLflow
  • Writing prediction results in database
  • Detecting model/data drifts
  • How to make ML models Docker images
  • Deployment on Docker and Kubernetes
  • Deployment on AWS EC2 Instance
  • ML Pipelines

Packaging Up The Codes

  • Developing user-defined libraries and packages
  • Testing, logging, and error handling

How to Scale

  • Apache Spark
  • Ray

How to Automate

    • CI/CD, Jenkins, and Ansible
    • Terraform as IaC
    • Datascience on AWS

Ana hedef kitle, öncelik sırasına göre, ML Engineer, Veri Bilimci ve Veri Mühendisleri ile bunların adaylarıdır. Son olarak da veri bilimi konularına meraklı kişiler.

Peki, bu program bana uygun mu?

Eğer ön gereksinimleri karşılıyor ve model geliştirme sonrasında neler olup bittiği konusunda büyük bir heyecan duyuyorsanız sizden daha iyi bir aday olamaz.

Ön hazırlık aşaması Miuul üzerinden takip edilecektir.

Hibrit eğitimlerin canlı olanları Zoom üzerinden, video eğitimler ise Miuul üzerinden gerçekleştirilecektir.

Eğitim için Docker çalıştırabilen bir bilgisayar yeterlidir. Sınırlı olarak AWS kullanılacaktır. Bu konudaki maliyet katılımcıya aittir. Maksimum 5 USD.

Önemli Not:

Sertifika: Sadece başarılı katılımcılara belge düzenlenecektir. Başarı kriterleri; ders takibi %70, ödevler %70 ve bitirme projesi %70’tir.

Öğrenciler ile paylaşılacak kaynaklar: Eğitim video kayıtları, sanal makine, sunumlar ve derste kullanılan örnek kodlar.

Bulut: Bulut kullanılan derslerde bulut maliyeti katılımcıya aittir. Çok yüksek bir bulut maliyeti beklenmemektedir.

Her türlü sorunuz ve detaylı bilgi için: Bengisu Bostancı – mldataops@veribilimiokulu.com

Paylaşmayı Unutmayın!