The Machine Learning Engineer Courses

LLMOps: Personalizar Video Classifier (ViViT) con tu Propia Data

Personaliza un Video Vision Transformer (ViViT) con tu propio dataset utilizando un modelo preentrenado de Google y entrena un clasificador personalizado.

• YouTube
• 47 minutes
• On-Demand
• Free Video

Human Action Recognition Video Inference with OpenVino Toolkit on CPU

Implement real-time human action recognition on videos using OpenVino Toolkit for CPU-based inference, enhancing machine learning capabilities.

• YouTube
• 34 minutes
• On-Demand
• Free Video

LLMOps: OpenVino Toolkit para Reconocimiento de Acciones Humanas en Video con Inferencia en CPU

Aprende a realizar reconocimiento de acciones humanas en tiempo real utilizando OpenVINO Toolkit y CPU para inferencia en videos.

• YouTube
• 30 minutes
• On-Demand
• Free Video

LLMOps: Using Nvidia TensorRT SDK for GPU Inference

Optimize GPU inference using Nvidia TensorRT SDK. Convert models, compare throughput, and explore batch sizes, data precision, and runtime options for enhanced performance.

• YouTube
• 34 minutes
• On-Demand
• Free Video

LLMOps: Como usar Nvidia TensorRT SDK para Inferencia en GPU

Optimiza la inferencia en GPU con Nvidia TensorRT SDK, convirtiendo modelos y comparando tiempos de ejecución en diferentes precisiones de datos.

• YouTube
• 40 minutes
• On-Demand
• Free Video

LLMOps: Comparison of OpenVino, ONNX, TensorRT, and PyTorch Inference

Explore model conversion to ONNX, OpenVino, and Tensor-RT formats for optimized CPU and GPU inference, comparing performance against native PyTorch.

• YouTube
• 40 minutes
• On-Demand
• Free Video

LLMOps: Comparación de Openvino, ONNX, TensorRT y Pytorch para Inferencia

Compara el rendimiento de inferencia de modelos convertidos a ONNX, OpenVino y TensorRT frente a PyTorch nativo en GPU y CPU.

• YouTube
• 39 minutes
• On-Demand
• Free Video

LLMOps: OpenVino Toolkit Quantize to 4int LLama 3.1 8B Inference on CPU

Convert and quantize LLAMA3.1 8B model to OpenVINO format for efficient CPU inference. Learn model optimization techniques for improved performance.

• YouTube
• 24 minutes
• On-Demand
• Free Video

MLOps: OpenVino Quantized Model for Grammar Typo Detection

Develop a grammar typo detection model using DistilBERT, fine-tune with Neuspell, and optimize for CPU inference with OpenVINO.

• YouTube
• 21 minutes
• On-Demand
• Free Video

MLOps: OpenVino Quantized Model para Detección de Errores Tipográficos

Construye un modelo de detección de errores tipográficos utilizando DistilBERT, personalízalo con neuspell y optimízalo con OpenVINO para inferencia eficiente en CPU.

• YouTube
• 21 minutes
• On-Demand
• Free Video

MLOps: OpenVino Quantized Pipeline for Grammatical Error Correction

Build a grammar error correction model using OpenVino, combining Roberta-based error detection and Flan-T5 correction, with quantization for efficient CPU inference.

• YouTube
• 55 minutes
• On-Demand
• Free Video

MLOps: OpenVino Quantized Pipeline for Grammatical Error Correction

Construye un modelo de corrección gramatical con detector Roberta y corrector Flan-T5, optimizando con OpenVINO y cuantización para mayor eficiencia.

• YouTube
• 50 minutes
• On-Demand
• Free Video

LLMOps: Converting Microsoft Florence2 Models to OpenVINO IR Format

Convert Microsoft Florence2 to OpenVino IR format and explore its multitask multi-prompt vision capabilities for enhanced machine learning applications.

• YouTube
• 51 minutes
• On-Demand
• Free Video

LLMOps: Convertir Modelos Microsoft Florence2 a Formato OpenVino IR

Convierte modelos Microsoft Florence2 a formato OpenVino IR y explora sus opciones en una demostración práctica.

• YouTube
• 46 minutes
• On-Demand
• Free Video

MLOps: OpenVino Toolkit - Compress and Quantize YOLO Model

Convert and quantize YOLOv10 to OpenVINO IR format, then perform inference on CPU with YOLOv10 and YOLOv8 for optimized machine learning deployment.

• YouTube
• 58 minutes
• On-Demand
• Free Video