Aller au contenu principal

Module 6 : Déploiement de Modèles

🎯 Objectifs d'apprentissage​

  • Construire des API REST pour les modèles ML avec FastAPI
  • Utiliser des cadres de déploiement de modèles (TorchServe, TensorFlow Serving, Triton)
  • Conteneuriser des modèles ML avec Docker

📚 Contenu du module​

Chapitre 1 : API REST pour ML​

FastAPI pour ML, conception des requêtes/réponses, validation des entrées, points de terminaison asynchrones.

Chapitre 2 : Cadres de déploiement de modèles​

TorchServe, TensorFlow Serving, Triton Inference Server, BentoML.

Chapitre 3 : Conteneurisation avec Docker​

Docker pour ML, constructions multi-étapes, support GPU, optimisation des images.

🚀 Commençons !​

Commencez avec Chapitre 1 : API REST pour ML.