• code

AI cloud services & DevOps

#docker #continuousintegration #gcp

In de deep learning en advanced AI leer je hoe we verschillende AI-modellen kunnen trainen. In deze module, de module AI-services & devops willen we deze AI-modellen in productie nemen. Ontwikkelaars gebruiken deze getrainde modellen in hun applicaties. Daarnaast willen AI-ingenieurs hun modellen constant verbeteren en hertrainen.

In deze module gaan we dieper in op het deployen van Machine Learning en Deep Learning modellen in een Cloud omgeving en dit via een CI/CD pipeline. Eindgebruikers roepen Microservices of AI-services aan via een frontend omgeving. De verschillende aanvragen komen in wachtrijen terecht die verwerkt worden door een schaalbare backend omgeving powered by krachtige GPU’s. Deze omgeving is opgebouwd op basis van Docker containers en worden gemanaged door een Kubernetes platform. De opgezette CI/CD pipeline zal gescript worden via Python, Powershell of ander CLI tools.

De CI/CD pipeline is de backbone van het project. Het is de bedoeling dat deze pipeline zal worden aangestuurd door zowel Data Scientists , AI Ingenieurs, front- en backend developers en DevOps team. De volledige omgeving zal werken op Amazon AWS, Microsoft Azure of Google Cloud Platform. Deze technisch gedreven module is een deep dive op technologie als Docker, Kubernetes, Kubeflow, Server Less computing plaforms. Op het einde van de module ben je in staat om een volledige data pipeline op te zetten en te beheren.