感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
生產部署簡介
- 部署微調模型的主要挑戰
- 開發環境和生產環境之間的差異
- 用於模型部署的工具和平臺
準備用於部署的模型
- 以標準格式(ONNX、TensorFlow SavedModel 等)導出模型
- 優化模型的延遲和輸送量
- 在邊緣案例和真實數據上測試模型
用於模型部署的容器化
- Docker 簡介
- 為 ML 模型建立 Docker 個圖像
- 容器安全性和效率的最佳實踐
使用 Kubernetes 擴展 Deployment
- 適用於 AI 工作負載的 Kubernetes 簡介
- 為模型託管設置 Kubernetes 集群
- 負載均衡和水平擴展
模型監控與維護
- 使用 Prometheus 和 Grafana 實現監控
- 用於錯誤跟蹤和性能的自動記錄
- 針對模型漂移和更新的重新訓練管道
確保生產安全
- 保護用於模型推理的 API
- 身份驗證和授權機制
- 解決數據隱私問題
案例研究和動手實驗
- 部署情感分析模型
- 擴展機器翻譯服務
- 實現對圖像分類模型的監視
總結和後續步驟
最低要求
- 對機器學習工作流程有深入的理解
- 微調 ML 模型的經驗
- 熟悉 DevOps 或 MLOps 原則
觀眾
- DevOps 名工程師
- MLOps 從業者
- AI 部署專家
21 時間:
客戶評論 (1)
有許多實用練習,由培訓師監督和協助。
Aleksandra - Fundacja PTA
課程 - Mastering Make: Advanced Workflow Automation and Optimization
機器翻譯