TensorFlow
Expert
Mise en place d’un pipeline MLOps complet avec TensorFlow Serving
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
mlops
tensorflow-serving
deployment
monitoring
architecture
Scénario Technique
Contexte : Un modèle TensorFlow est prêt mais doit être déployé en production avec haute disponibilité. Le Problème : Aucun mécanisme structuré de versioning et déploiement n’est en place. Contraintes : Utiliser TensorFlow Serving. Gérer versioning des modèles. Mettre en place monitoring des performances en production. Prévoir rollback en cas d’échec. Livrable attendu : Concevoir une architecture MLOps complète pour déploiement, versioning et monitoring d’un modèle TensorFlow.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.