Célok
A haladó útvonal célja a mélytanulás, nagy skálás rendszerek és MLOps gyakorlatok elsajátítása éles környezetben deployolható modellekhez.
Előfeltételek
Előfeltételek: középhaladó útvonal, lineáris algebra és valószínűségszámítás, PyTorch vagy TensorFlow alap ismeretek.
Lépések
- CNN és RNN/Transformer architektúrák
- Transfer learning és fine-tuning
- Hyperparameter optimization (Bayesian)
- MLOps: CI/CD, monitoring, model registry
- Distributed training alapok
- Etika és fairness audit modellekben
Gyakorlati projektek
Projektek: saját NLP pipeline, képfelismerő szolgáltatás konténerben, real-time predikciós rendszer, modell drift monitoring.
Elemzési megjegyzések
A haladó technikák infrastruktúra- és erőforrásigényesek. A referencia anyagok elméleti alapot adnak; produkciós implementáció szervezeti kontextust igényel.
Az algoritmusok, modellek és technológiai megoldások leírása általános referencia jellegű. A tényleges implementáció és eredmények az adathalmaztól, a paraméterektől és a futtatási környezettől függnek.
