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)