نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
Big Data LDN 2019 | ML در تولید: بدون سرور و بدون درد | Oliver Gindele تولید خطوط لوله یادگیری ماشین می تواند کاری سخت و دشوار برای دانشمندان داده باشد. خوشبختانه در سالهای گذشته بسیاری از ابزارها و فن آوری های جدید در دسترس قرار گرفته اند تا این مسئله را حل کنند و استقرار مدل های ML در تولید را بدون نیاز به پیکربندی سرورها بیش از هر زمان دیگری انجام دهند. در این جلسه ، الیور گیندل برخی از بهترین گزینه های بدون سرور را در مورد نحوه بهره برداری از خطوط لوله ML در اکوسیستم Tensorflow و در Google Cloud Platform بر اساس مطالعات موردی واقعی بررسی خواهد کرد. یکی از این مطالعات موردی در زندگی واقعی به سفر یک مارک جهانی لوازم آرایشی و بهداشتی می رود تا با کمک ML بدون بسته بندی تبدیل شود. اولین قدم برای رسیدن به این هدف به مشتریان امکان می دهد اطلاعات محصول را به سادگی و با گرفتن عکس مشاهده کنند. با این کار دیگر نیازی به بسته بندی و برچسب در فروشگاه ها نیست. با این حال ، برای انجام این کار به طور موثر ، یک مدل دقیق طبقه بندی تصویر ، قابل دسترسی در تلفن های همراه ، مورد نیاز است. در این جلسه جزئیات خط لوله یادگیری ماشین از انتها به انتها که برای ارائه و به روزرسانی مدل های عملکردی ML به کاربران تلفن همراه ایجاد شده است ، پوشش داده خواهد شد.
سرفصل ها و درس ها
ML در تولید: بدون سرور و بدون درد
ML in Production: Serverless and Painless
-
ML در تولید: بدون سرور و بدون درد
ML in Production: Serverless and Painless
نمایش نظرات