TensorFlow Serving – wdrażanie modeli ML

Opis

Szkolenie koncentruje się na praktycznych aspektach wdrażania modeli uczenia maszynowego z wykorzystaniem TensorFlow Serving. Program został zaprojektowany tak, aby uczestnicy poznali pełen proces przygotowania i deploymentu modeli ML w środowisku produkcyjnym. Podczas warsztatów uczestnicy przechodzą przez cały cykl życia modelu – od jego eksportu z środowiska treningowego, poprzez konfigurację serwera, aż po wdrożenie i monitorowanie w produkcji. Zajęcia prowadzone są w formie praktycznej, gdzie każde zagadnienie jest natychmiast weryfikowane poprzez implementację w rzeczywistym środowisku.

Profil uczestnika

Szkolenie jest dedykowane inżynierom ML i DevOps, którzy są odpowiedzialni za wdrażanie modeli uczenia maszynowego w środowisku produkcyjnym. Jest szczególnie wartościowe dla specjalistów ML zajmujących się operacjonalizacją modeli, inżynierów MLOps pracujących nad automatyzacją procesów ML, deweloperów aplikacji wykorzystujących modele ML, oraz architektów rozwiązań projektujących systemy ML. Program jest również odpowiedni dla zespołów wdrażających pierwsze projekty z zakresu uczenia maszynowego w produkcji.

Agenda

1. Wprowadzenie do TensorFlow Serving
   • Architektura i komponenty systemu
   • Model serwowania w TensorFlow
   • Formaty modeli i ich serializacja
   • Przygotowanie modelu do deploymentu
2. Konfiguracja i wdrożenie
   • Instalacja i konfiguracja TF Serving
   • Zarządzanie wersjami modeli
   • REST i gRPC API
   • Konteneryzacja z Docker
3. Skalowanie i wydajność
   • Optymalizacja wydajności serwowania
   • Batch processing
   • Zarządzanie zasobami
   • Monitoring i metryki
4. Integracja i best practices
   • Integracja z istniejącymi systemami
   • Strategie wdrażania
   • Testowanie wydajności
   • Rozwiązywanie problemów

Korzyści

Po ukończeniu szkolenia uczestnicy będą posiadać praktyczne umiejętności w zakresie wdrażania modeli ML z wykorzystaniem TensorFlow Serving. Zdobędą wiedzę dotyczącą przygotowania modeli do deploymentu, konfiguracji środowiska produkcyjnego, optymalizacji wydajności oraz monitorowania działających modeli. Uczestnicy poznają metody integracji z istniejącymi systemami, techniki zarządzania wersjami modeli oraz najlepsze praktyki w operacjonalizacji ML.

Wymagane przygotowanie uczestników

Przed rozpoczęciem szkolenia uczestnicy powinni posiadać podstawową znajomość uczenia maszynowego oraz doświadczenie w pracy z TensorFlow. Wskazana jest również podstawowa znajomość systemów Linux i konteneryzacji.

Zagadnienia

Program szkolenia obejmuje kluczowe aspekty wdrażania modeli ML w środowisku produkcyjnym. Uczestnicy poznają architekturę TensorFlow Serving, przygotowanie i eksport modeli, konfigurację serwerów, optymalizację wydajności, monitoring i diagnostykę, oraz najlepsze praktyki operacyjne. Szczególny nacisk położony jest na praktyczne aspekty operacjonalizacji modeli ML i zapewnienie ich niezawodnego działania w produkcji.

Poznaj naszą firmę