|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/deep-learning-despliegue-tensorflow-mirko-rodriguez/
课程评论：没有评论
课程名称：深度学习应用：TensorFlow 2.0 模型部署 课程概述：欢迎加入本课程，您将以100%实用和应用的方式，逐步学习如何在高性能场景下使用 TensorFlow 2.0 部署深度学习模型，主要面向开发环境和生产环境。课程内容包括深度学习模型部署的重要性、开发与生产环境的区别、云服务器部署（包括 Google Cloud Platform 和 CentOS）、从零开始创建 RESTful Web 服务以部署模型、用于生产的容器管理（Docker、Docker Swarm、TensorFlow Serving）、Web 服务调用的实现、深度学习模型部署的技术考虑、DevOps 和机器学习 MLOps、AIOps、模型的互操作性（ONNX）以及定制化部署与平台的区别。 课程特点：本课程注重实践，提供实验室学习和编程活动，学员可以通过详细的代码讲解亲自实践每一行代码，同时不忽视相关理论基础。所有必要的工具可以直接在 Google 云端配置，无需本地安装。课程中使用流行且成熟的 Python 3.0 生态系统工具，包括 TensorFlow 2.0、TensorFlow Serving、Flask 和 FastAPI。课程中将通过 Google Cloud Platform 部署，设置使用 CentOS 作为服务器操作系统的虚拟机，同时使用 Docker、Docker Swarm、Swagger、Prometheus 和 Grafana 进行监控等。 无论您是深度学习的初学者，还是想提升模型部署技能的开发者，本课程都为您提供了一个全面的学习平台。
Bienvenido a este curso 100% práctico y aplicado en el que podrás aprender de forma intuitiva, guiada y paso-a-paso el despliegue de modelos Deep Learning para ambientes de Desarrollo y principalmente para Producción en escenarios de alto desempeño usando la librería TensorFlow 2.0 y la creación de servicios REST.Estructura temática:¿Por qué desplegar modelos Deep Learning?Despliegue en Desarrollo vs ProducciónServidores de despliegue en la Nube: Google Cloud Platform (GCP) y CentOSDespliegue de modelos en la nube como Servicio Web REST desde cero (APIs)Gestor de contenedores Docker para despliegues en Producción (Docker Swarm, TensorFlow Serving) Implementación de llamadas al Servicio Web desde ceroConsideraciones técnicas para el despliegue de modelos Deep LearningDevOps y Machine Learning / MLOps IAOps XXOpsInteroperabilidad de modelos: ONNX.Despliegue Customizado vs Plataformas100% práctico:El curso prioriza el desarrollo de algoritmos en sesiones de laboratorio y actividades de programación 100% hands-on con los que podrás reproducir cada una de las líneas de código con explicaciones muy bien detalladas, sin descuidar los fundamentos teóricos de cada uno de los conceptos descritos.Herramientas:Todas las herramientas necesarias para el curso se podrán configurar directamente en la nube de Google; por tanto, no será necesario invertir tiempo en instalaciones de herramienta de forma local.El curso se desarrolla con las herramientas más populares y de alta madurez del ecosistema de Python 3.0 como:TensorFlow 2.0TensorFlow ServingFlask FastAPIEl despliegue se realiza utilizando la nube de Google (Google Cloud Platform - GCP) en la que se configura paso a paso una máquina virtual (virtual machine) usando la distribución Linux CentOS como sistema operativo del servidor. Además, se utilizan para el despliegue los siguientes frameworks, librerías y herramientas:DockerDocker SwarmSwaggerPromethous y grafana (Monitoreo)
