Eğitim İçeriği

Yapay Zeka Dağıtımına Giriş

  • Yapay zeka dağıtım yaşam döngüsüne genel bakış
  • Yapay zeka aracılarının üretime dağıtılmasındaki zorluklar
  • Temel hususlar: ölçeklenebilirlik, güvenilirlik ve sürdürülebilirlik

Konteynerleştirme ve Orkestrasyon

  • Docker ve konteynerleştirme temellerine giriş
  • Yapay zeka aracısı orkestrasyonu için Kubernetes kullanma
  • Konteynerleştirilmiş yapay zeka uygulamalarını yönetmek için en iyi uygulamalar

Yapay Zeka Modellerini Yayınlama

  • Model yayınlama çerçevelerine genel bakış (örneğin, TensorFlow Serving, TorchServe)
  • Yapay zeka aracısı çıkarımı için REST API'leri oluşturma
  • Toplu ve gerçek zamanlı tahminleri işleme

AI Agents için CI/CD

  • Yapay zeka dağıtımları için CI/CD işlem hatları kurma
  • Yapay zeka modellerinin testini ve doğrulamasını otomatikleştirme
  • Aşamalı güncellemeler ve sürüm kontrolünü yönetme

İzleme ve Optimizasyon

  • Yapay zeka aracısı performansı için izleme araçlarını uygulama
  • Model kaymasını analiz etme ve yeniden eğitme ihtiyacını belirleme
  • Kaynak kullanımını ve ölçeklenebilirliği optimize etme

Güvenlik ve Governance

  • Veri gizliliği düzenlemelerine uyumu sağlama
  • Yapay zeka dağıtım işlem hatlarını ve API'lerini güvence altına alma
  • Yapay zeka uygulamaları için denetim ve günlük kaydı

Uygulamalı Activities

  • Docker ile bir yapay zeka aracısını konteynerleştirme
  • Kubernetes kullanarak bir yapay zeka aracını dağıtma
  • Yapay zeka performansı ve kaynak kullanımı için izleme kurma

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Python programlama konusunda yetkinlik
  • Makine öğrenimi iş akışlarına ilişkin anlayış
  • Docker gibi konteynerleştirme araçlarına aşinalık
  • DevOps uygulamalarına ilişkin deneyim (önerilir)

Hedef Kitle

  • MLOps mühendisleri
  • DevOps uzmanları
 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler