Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do produkčního nasazení
- Klíčové výzvy při nasazování vyladěných modelů
- Rozdíly mezi vývojovým a produkčním prostředím
- Nástroje a platformy pro nasazení modelu
Příprava modelů pro nasazení
- Export modelů ve standardních formátech (ONNX, TensorFlow SavedModel atd.)
- Optimalizace modelů pro latenci a propustnost
- Testování modelů na okrajových případech a reálných datech
Kontejnerizace pro nasazení modelu
- Úvod do Docker
- Vytváření obrázků Docker pro modely ML
- Nejlepší postupy pro zabezpečení a efektivitu kontejnerů
Škálování implementací pomocí Kubernetes
- Úvod do Kubernetes pro pracovní zátěže AI
- Nastavení Kubernetes clusterů pro modelování
- Vyvažování zátěže a horizontální škálování
Monitorování a údržba modelu
- Implementace monitorování pomocí Prometheus a Grafana
- Automatizované protokolování pro sledování chyb a výkon
- Přeškolení potrubí pro drift a aktualizace modelu
Zajištění bezpečnosti ve výrobě
- Zabezpečení API pro odvození modelu
- Autentizační a autorizační mechanismy
- Řešení problémů s ochranou osobních údajů
Případové studie a praktické laboratoře
- Nasazení modelu analýzy sentimentu
- Škálování služby strojového překladu
- Implementace monitorování pro modely klasifikace snímků
Shrnutí a další kroky
Požadavky
- Silné pochopení pracovních postupů strojového učení
- Zkušenosti s dolaďováním ML modelů
- Znalost principů DevOps nebo MLOps
Publikum
- DevOps inženýři
- MLOps praktikující
- Specialisté na nasazení AI
21 hodiny
Reference (1)
Bylo zde mnoho praktických cvičení, která prováděl a pomáhal s nimi trénér.
Aleksandra - Fundacja PTA
Kurz - Mastering Make: Advanced Workflow Automation and Optimization
Přeloženo strojem