Arcadia AI — मास्टर्स प्रोग्राम
HI
प्रोग्राम  /  सेमेस्टर 2 — Modern AI Stack
कोर्स

MLOps: data pipelines, feature stores, मॉनिटरिंग, A/B

प्रोडक्शन ML: डेटा पाइपलाइन्स, रिप्रोड्यूसिबिलिटी, डिप्लॉयमेंट और मॉनिटरिंग

फ़ैकल्टी की पुष्टि होना बाकी है

कोर्स के बारे में

यह कोर्स production में ML सिस्टम्स के साथ काम करने की इंजीनियरिंग संस्कृति विकसित करता है। स्टूडेंट्स कच्चे डेटा से लेकर लाइव सर्विस तक का पूरा चक्र सीखते हैं: ETL, feature stores, model registry, ML के लिए CI/CD, A/B-टेस्टिंग और डेटा ड्रिफ्ट की मॉनिटरिंग। यह कोर्स प्रैक्टिकम 2 से गहराई से जुड़ा है और सेमेस्टर 3 के टीम industrial प्रोजेक्ट के लिए आवश्यक टूलकिट प्रदान करता है।

आप क्या सीखेंगे

कच्चे डेटा से लेकर deploy की गई मॉडल तक एक reproducible ML पाइपलाइन बनाना
training/serving parity की गारंटी के साथ feature store सेट अप करना
डेटा और मॉडल के automatic validation के साथ ML प्रोजेक्ट के लिए CI/CD लागू करना
सही सांख्यिकीय डिज़ाइन के साथ ML कंपोनेंट के लिए A/B-टेस्ट करना
ड्रिफ्ट की मॉनिटरिंग और मॉडल डिग्रेडेशन के लिए automatic अलर्ट सेट अप करना

मुख्य विषय

Data pipelines: Airflow, dbt, batch vs streaming (Kafka, Flink)
Feature stores: offline/online विभाजन, time-travel, backfilling
एक्सपेरिमेंट ट्रैकिंग: MLflow, W&B; model registry और वर्जनिंग
Training/serving parity और distribution shift
कंटेनराइज़ेशन और ऑर्केस्ट्रेशन: ML के लिए Docker, Kubernetes
ML के लिए CI/CD: मॉडल टेस्टिंग, डेटा स्कीमा वैलिडेशन, shadow deployment
A/B-टेस्टिंग और canary releases
production में डेटा ड्रिफ्ट और क्वालिटी डिग्रेडेशन की मॉनिटरिंग
Cost optimization: spot instances, inference caching, batching
यह विवरण स्वतः जनरेट किया गया है और अभी तक किसी फ़ैकल्टी सदस्य द्वारा जाँचा नहीं गया है — यह चर्चा हेतु एक ड्राफ़्ट है।