Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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
Machine Translated