Pengerahan Model Pembelajaran Mesin dengan FastAPI, Docker, dan AWS

Banyak model pembelajaran mesin tidak pernah meninggalkan persekitaran pembangunan kerana laluan ke pengeluaran terasa kompleks dan berpecah-belah. Kursus ini merapatkan jurang tersebut dengan mengajar anda cara mengambil model Transformer yang canggih dan mengubahnya menjadi perkhidmatan web yang teguh dan boleh diakses. Anda akan bergerak melangkaui skrip tempatan untuk membina aplikasi gred profesional yang sedia untuk dunia sebenar. Menjelang akhir kursus ini, anda akan mempunyai pemahaman yang jelas tentang keseluruhan kitaran hayat pengerahan, daripada memilih model pra-latihan hingga mengehoskannya pada platform awan yang berskala. Anda akan memperoleh kemahiran untuk membina API yang cekap, mencipta antara muka interaktif, dan mengurus infrastruktur menggunakan alat standard industri. * Memahami konsep asas seni bina Transformer seperti BERT dan ViT * Membina API web berprestasi tinggi untuk inferens model menggunakan FastAPI * Mencipta antara muka pengguna interaktif untuk alat pembelajaran mesin dengan Streamlit * Mengkontena aplikasi menggunakan Docker untuk pelaksanaan yang konsisten merentasi persekitaran * Mengkonfigurasi infrastruktur awan pada AWS untuk mengehos dan menskala pengerahan anda * Mengaplikasikan teknik pengoptimuman dan pengkuantuman model untuk meningkatkan kelajuan inferens * Melaksanakan aliran kerja MLOps asas untuk pengurusan versi model dan kitaran hayat Kursus ini bermula dengan terminologi penting dan asas penyajian model sebelum beralih kepada pembangunan API praktikal dan pengkontenaan. Anda kemudian akan meneroka cara menavigasi persekitaran awan untuk memastikan model anda selamat, boleh dipercayai dan berprestasi. Kursus ini direka untuk pemula dalam sains data dan kejuruteraan perisian yang ingin beralih ke dunia MLOps; tiada pengalaman pengerahan terdahulu diperlukan. Mula membina dan mengerahkan aplikasi pembelajaran mesin sedia pengeluaran anda sendiri hari ini.