Hyperparameter-Sweep auf einem Slurm-Cluster für eine Versicherung
Übersicht
Worum es bei diesem Projekt geht.
Führe einen Hyperparameter-Sweep auf einem Slurm-Cluster aus, logge Ergebnisse in MLflow und erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Setze einen Slurm-orchestrierten Hyperparameter-Sweep auf, der manuelle Suchen schlägt und für das Data-Science-Team onboarding-tauglich ist.
Earning criteria — what you'll demonstrate
- Verteilte Hyperparameter-Suchen mit Slurm orchestrieren
- Trial-Ergebnisse zentral und reproduzierbar tracken
- Such-Strategien sinnvoll konfigurieren (Random, TPE, Hyperband)
- Plattform-Tools an ein Data-Science-Team übergeben
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Machine Learning at Scale
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenMLOps-Ingenieur:in
Hyperparameter-Sweep-Plattformen für Data-Science-Teams zu betreiben ist Kerntagesgeschäft für MLOps-Ingenieur:innen in größeren Enterprise-Stacks.
Dieses Projekt schärft
- mlflow
- slurm
- distributed-computing
Maschinelles-Lernen-Ingenieur:in
Eine Sweep-Konfiguration sinnvoll zu strategien und gegen manuelles Tuning zu vergleichen, ist MLE-Handwerk, das in jedem ML-Team gebraucht wird.
Dieses Projekt schärft
- hyperparameter-tuning
- experiment-design
- python
Data Scientist
Eine Tracking-Plattform sauber zu übergeben und an Velocity zu messen, ist die Brücke zwischen Data Science und Plattform-Engineering.
Dieses Projekt schärft
- experiment-design
- hyperparameter-tuning
- python
Noch eine Sache