مطالب پیشنهادی از سراسر وب

یادگیری ماشینی (ML) در تولید: Serverless و Painless

دسته بندی ها: آموزش یادگیری ماشینی (Machine Learning) ، آموزش تنسورفلو (TensorFlow) ، آموزش هوش مصنوعی (AI) ، آموزش های پلورال سایت (Pluralsight) ، آموزش کسب و کار (Business)

تولید پایپ لاین های یادگیری ماشینی (ML) می تواند کاری سخت و دشوار برای دانشمندان داده باشد. خوشبختانه در سال های گذشته بسیاری از ابزارها و تکنولوژی های جدید در دسترس قرار گرفته اند تا این مسئله را حل کنند و استقرار مدل های یادگیری ماشینی در تولید را بدون نیاز به پیکربندی سرورها بیش از هر زمان دیگری انجام دهند.

در این کنفرانس، Oliver Gindele برخی از بهترین آپشن های سرورلس از نحوه عملیات پایپ لاین های یادگیری ماشینی در اکوسیستم Tensorflow و در پلتفرم ابری گوگل (GCP) را بر اساس مطالعات موردی واقعی بررسی خواهد کرد. در یکی از این مطالعات موردی واقعی سفری به یک برند جهانی لوازم آرایشی و بهداشتی می رود تا با کمک یادگیری ماشینی به تولید Packaging-Free تبدیل شود. در اولین قدم به سوی هدف به مشتریان امکان می دهد اطلاعات محصول را به سادگی و تنها با گرفتن عکس مشاهده کنند. با این کار دیگر نیازی به بسته بندی و برچسب در فروشگاه ها نیست.

با این حال، برای انجام موثر این کار، یک مدل دقیق طبقه بندی تصویر، قابل دسترسی در موبایل، الزامی است. در این جلسه جزئیات پایپ لاین یادگیری ماشینی end-to-end که برای ارائه و به روزرسانی مدل های یادگیری ماشینی عملکردی به کاربران موبایل ایجاد شده است، پوشش داده خواهد شد.

یادگیری ماشینی (ML) در تولید: Serverless و Painless

آیا این نوشته را دوست داشتید؟
Pluralsight ML in Production: Serverless and Painless Author:Big Data LDN Duration:0:33:06 Level:Intermediate

Productionising machine learning pipelines can be a daunting and difficult task for Data Scientists. Fortunately, many novel tools and technologies have become available in the past years to address this issue and make it easier than ever to deploy ML models into production, without the need to configure servers. In this session, Oliver Gindele will walk through some of the best serverless options on how to operationalise ML pipelines within the Tensorflow ecosystem and on Google Cloud Platform based on actual case studies. One of these real-life case studies will dive into the journey of a global cosmetics brand to become packaging-free with the help of ML. The first step towards this goal allows customers to view product information simply by taking a picture. This completely eliminates the need for packaging and labels in stores. However, in order to do this effectively, an accurate image classification model, accessible on mobile phones, is needed. This session will cover the details of the end-to-end machine learning pipeline that was created to deliver and update performant ML models to mobile users.

پیشنهاد آموزش مرتبط در فرادرس