Pipelines de dados e implantação de modelos do TensorFlow

A construção de um modelo de machine learning é apenas metade da batalha. O valor real vem da entrega desse modelo aos usuários. A transição do treinamento de um model em um notebook para a execução eficiente em produção requer um entendimento sólido dos pipelines de dados e de diversas estratégias de implantação. Este curso baseado em texto orienta você pelo processo de preparação de dados e implantação de modelos TensorFlow em várias plataformas.Você aprenderá a projetar pipelines de dados de alto desempenho, otimizar modelos para ambientes com recursos limitados e fornecer previsões por meio de navegadores da Web, aplicativos móveis e APIs de nuvem. O que você vai aprender: - Entenda o ciclo de vida principal dos modelos de machine learning, desde o treinamento até a implantação da produção. - Crie pipelines de entrada de alto rendimento usando a API tf.data, implementando as melhores práticas, como cache e prefetching. - Implantar modelos interativos de aprendizado de máquina diretamente no navegador usando o TensorFlow.js. - Otimize e converta modelos para dispositivos móveis e IoT usando o TensorFlow Lite e a quantização pós-treinamento. - Configure a infraestrutura escalável de serviço de modelo usando o TensorFlow Serving e padrões de implantação prontos para contêineres. Você começará explorando conceitos fundamentais de pipeline de dados antes de passar para cenários de implantação prática.Através de explicações detalhadas por escrito e trechos de código, você dominará a mecânica de adaptação de modelos para ambientes web, móveis e servidores. Este curso foi projetado para desenvolvedores, cientistas de dados e aspirantes a engenheiros de aprendizado de máquina que têm uma compreensão básica dos conceitos de Python e aprendizado da máquina e querem aprender a implantar seus modelos.Não é necessária experiência avançada em engenharia de produção. Comece a ler hoje mesmo para preencher a lacuna entre a teoria de machine learning e a implantação em produção.