Deep Learning aplicado: Despliegue de modelos TensorFlow 2.0

Despliega desde cero un modelo de Deep Learning de alta disponibilidad para Producción usando TensorFlow 2.0 - API REST

0 0
Deep Learning aplicado: Despliegue de modelos TensorFlow 2.0
Deep Learning aplicado: Despliegue de modelos TensorFlow 2.0

Deep Learning aplicado: Despliegue de modelos TensorFlow 2.0 udemy course free download

Despliega desde cero un modelo de Deep Learning de alta disponibilidad para Producción usando TensorFlow 2.0 - API REST

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 Producción

  • Servidores de despliegue en la Nube: Google Cloud Platform (GCP) y CentOS

  • Despliegue 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 cero

  • Consideraciones técnicas para el despliegue de modelos Deep Learning

  • DevOps y Machine Learning / MLOps | IAOps | XXOps

  • Interoperabilidad de modelos: ONNX.

  • Despliegue Customizado vs Plataformas


100% 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 2.0

  • TensorFlow Serving

  • Flask

  • FastAPI

El 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:

  • Docker

  • Docker Swarm

  • Swagger

  • Promethous y grafana (Monitoreo)

Tags: