Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.        
        
        
            Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.        
    Struttura del corso
Introduzione alla distribuzione di produzione
- Sfide chiave nell'implementazione di modelli ottimizzati
- Differenze tra ambienti di sviluppo e di produzione
- Strumenti e piattaforme per la distribuzione dei modelli
Preparazione dei modelli per la distribuzione
- Esportazione di modelli in formati standard (ONNX, TensorFlow SavedModel, ecc.)
- Ottimizzazione dei modelli per latenza e velocità effettiva
- Test di modelli su casi limite e dati del mondo reale
Containerizzazione per la distribuzione di modelli
- Introduzione a Docker
- Creazione di Docker immagini per i modelli ML
- Best practice per la sicurezza e l'efficienza dei container
Scalabilità delle distribuzioni con Kubernetes
- Introduzione a Kubernetes per i carichi di lavoro di intelligenza artificiale
- Configurazione di Kubernetes cluster per l'hosting di modelli
- Bilanciamento del carico e scalabilità orizzontale
Monitoraggio e manutenzione dei modelli
- Implementazione del monitoraggio con Prometheus e Grafana
- Registrazione automatica per il monitoraggio degli errori e delle prestazioni
- Ripetizione del training delle pipeline per la deviazione e gli aggiornamenti del modello
Garantire la sicurezza nella produzione
- Protezione delle API per l'inferenza del modello
- Meccanismi di autenticazione e autorizzazione
- Affrontare i problemi di privacy dei dati
Casi di studio e laboratori pratici
- Distribuzione di un modello di analisi del sentiment
- Scalabilità di un servizio di traduzione automatica
- Implementazione del monitoraggio per i modelli di classificazione delle immagini
Riepilogo e passaggi successivi
Requisiti
- Solida comprensione dei flussi di lavoro di machine learning
- Esperienza con la messa a punto dei modelli ML
- Familiarità con i principi DevOps o MLOps
Pubblico
- DevOps ingegneri
- MLOps Praticanti
- Specialisti dell'implementazione dell'intelligenza artificiale
             21 Ore
        
        
Recensioni (1)
Ci sono stati molti esercizi pratici supervisionati e assistiti dal formatore
Aleksandra - Fundacja PTA
Corso - Mastering Make: Advanced Workflow Automation and Optimization
Traduzione automatica
 
                    