Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais construire un pipeline MLOps déployer un modèle ML avec Docker Azure CI CD et FastAPI
Data Scientist, développeur IA, ingénieur ML, Gen AI, réglage fin de LLM et modèle
Je suis un Data Scientist, passionné par l’exploitation du pouvoir des données pour générer des insights et innover. Mon parcours académique m’a doté d’une solide base en analyse de données, visualisa...
À propos de ce service
Votre modèle d'apprentissage automatique est-il bloqué dans un notebook Jupyter et ne parvient pas à la production ?
Vous êtes au bon endroit.
Je crée des pipelines MLOps prêts pour la production qui prennent votre modèle ML ou AI du notebook
à une API déployée en direct que votre équipe peut réellement utiliser et surveiller.
Je suis diplômé en Data Science avec une médaille d'or et développeur AI avec une expérience réelle en déploiement en production. Chez Robx AI, j'ai déployé en direct des pipelines LLM servant de vrais utilisateurs. Chez Systems Limited, j'ai travaillé avec Azure DevOps CI CD et Docker dans un environnement d'entreprise en production.
Ce n'est pas de la théorie. Je construis des choses qui fonctionnent réellement en production.
Ce que je vais réaliser pour vous :
Containerisation Docker de votre modèle ML, point de terminaison REST FastAPI pour le service du modèle
- Pipeline CI CD avec GitHub Actions ou Azure DevOps
- Déploiement du modèle sur Azure ML Hugging Face Spaces ou votre cloud préféré
- Suivi des expériences MLflow et registre de modèles
- Surveillance du modèle et journalisation des performances
- Mise en place d'un pipeline de réentraînement automatisé
- Documentation claire et guide de transfert
Technologies que j'utilise :
- Docker et Docker Compose
- Azure ML et Azure DevOps
- GitHub Actions pour CI CD
- MLflow pour le suivi des expériences
- FastAPI pour le service du modèle
- Python Scikit-Learn
Mon portfolio
FAQ
Traduction automatique
De quoi avez-vous besoin de ma part pour commencer ?
J'ai besoin de vos fichiers de modèle entraîné ou de votre code d'entraînement, de votre jeu de données ou d'un échantillon, de votre plateforme cloud préférée si vous en avez une, et d'une description de ce que fait votre modèle ainsi que des entrées et sorties nécessaires.
Q2 : Quelles plateformes cloud supportez-vous ?
Je travaille avec Azure ML, Hugging Face Spaces, les bases de AWS SageMaker, et tout VPS supportant Docker. Azure et Hugging Face sont mes plateformes de déploiement ML préférées.
Q3 : Pouvez-vous déployer tout type de modèle ML ?
Oui. Je déploie des modèles de classification, régression, NLP, vision par ordinateur et basés sur LLM. Si votre modèle fonctionne en Python, je peux le containeriser et le déployer.
