Ik bouw een mlops-pipeline en implementeer een ml-model met docker azure ci cd en fastapi
Data Scientist AI Developer ML Engineer Gen AI LLM fine-tuning en model
Over deze dienst
Is jouw machine learning model vastgelopen in een Jupyter notebook en komt het niet in productie?
Je bent hier aan het juiste adres.
Ik bouw productieklare MLOps-pijplijnen die jouw ML- of AI-model van notebook naar een live gedeployde API brengen die jouw team daadwerkelijk kan gebruiken en monitoren.
Ik ben een Gold Medalist BS Data Science afgestudeerde en AI-ontwikkelaar met echte productie-deployment ervaring. Bij Robx AI heb ik live LLM-pijplijnen gedeployed die echte gebruikers bedienen. Bij Systems Limited werkte ik met Azure DevOps CI/CD-pijplijnen en Docker in een productie-waardige enterprise-omgeving.
Dit is geen theorie. Ik bouw dingen die echt in productie draaien.
Wat ik voor jou ga bouwen:
Docker-containerisatie van jouw ML-model, FastAPI REST-endpoint voor modelserving
- CI/CD-pijplijn met GitHub Actions of Azure DevOps
- Model deployment op Azure ML Hugging Face Spaces of jouw favoriete cloud
- MLflow experiment tracking en model registry
- Model monitoring en prestatie logging
- Automatische retraining pipeline setup
- Netjes gedocumenteerde overdracht en handleiding
Tech stack waarmee ik werk:
- Docker en Docker Compose
- Azure ML en Azure DevOps
- GitHub Actions voor CI/CD
- MLflow voor experiment tracking
- FastAPI voor modelserving
- Python Scikit-Learn
Tools:
Kubernetes
•
Docker
•
Amazon EKS
•
Google Kubernetes Engine
Frameworks:
Npm
•
Terraform
•
Ansible
•
Crossplane
•
SaltStack
Programmeertaal:
Bash
•
C
•
Go
•
Java
•
JavaScript
•
Lua
•
PHP
•
Python
•
Golang
•
Perl
Expertise:
Migratie
•
Debuggen
•
Ontwikkeling
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Wat heb je van mij nodig om te beginnen?
Ik heb je getrainde modelbestanden of training code nodig, je dataset of een voorbeeld daarvan, je voorkeur cloudplatform indien aanwezig, en een beschrijving van wat je model doet en welke input en output het nodig heeft.
Welke cloudplatforms ondersteunt u?
Ik werk met Azure ML, Hugging Face Spaces, AWS SageMaker basis, en elke VPS met Docker-ondersteuning. Azure en Hugging Face zijn mijn sterkste platforms voor ML-implementatie.
Kun je elk type ML-model inzetten?
Ja. Ik implementeer classificatie-, regressie-, NLP-, computer vision- en LLM-gebaseerde modellen. Als je model in Python draait, kan ik het containeriseren en implementeren.

