หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2567
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2566
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
เว็บแอพลิเคชั่นสำหรับการให้บริการการประมวลผลโมเดลสำหรับการเรียนรู้เชิงลึก
ชื่อโครงงานภาษาอังกฤษ
Web application for providing model processing services for deep learning
ผู้พัฒนา
6310503341 นายธนพลธรณ์ เด่นสิริเดชา
อาจารย์ที่ปรึกษาหลัก
จันทนา จันทราพรชัย
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
ในทิวทัศน์ของปัญญาประดิษฐ์และการเรียนรู้เชิงลึกที่พัฒนาอย่างรวดเร็ว ความสามารถในการปรับใช้ จัดการ และขยายขนาดโมเดลการเรียนรู้ของเครื่องได้อย่างมีประสิทธิภาพกลายเป็นสิ่งสำคัญสำหรับทั้งนักวิจัยและผู้ปฏิบัติงาน โครงงานนี้แนะนำแอปพลิเคชันเว็บที่ออกแบบมาเพื่อทำให้การให้บริการด้านการประมวลผลโมเดลสำหรับโปรเจกต์การเรียนรู้เชิงลึกง่ายขึ้น ใจกลางของแพลตฟอร์มนี้เสนอชุดฟังก์ชันการทำงานที่ครอบคลุม: การลงทะเบียนผู้ใช้และเข้าสู่ระบบเพื่อการเข้าถึงที่ปลอดภัย; การจัดการพื้นที่ที่อนุญาตให้ผู้ใช้จัดสรร โค้ด และปรับใช้แอปพลิเคชันในพื้นที่ที่กำหนด; ระบบการจัดการโค้ดที่ทรงพลังซึ่งสามารถอัปโหลด แก้ไข และลบโค้ดทั้งผ่านอินเตอร์เฟซเว็บและการรวม Git ผ่าน SSH; และระบบการปรับใช้ที่ซับซ้อนซึ่งใช้ GitLab สำหรับการปรับใช้โมเดลไปยังที่เก็บ Docker ส่วนตัว ตามด้วย ArgoCD สำหรับการปรับใช้แอปพลิเคชัน นอกจากนี้ แพลตฟอร์มยังรวม Grafana สำหรับการติดตามแบบเรียลไทม์ ให้ผู้ใช้มีข้อมูลวิเคราะห์ที่มีคุณค่าเกี่ยวกับการปรับใช้ของพวกเขา ความสามารถในการจัดการทรัพยากรอนุญาตให้ปรับ CPU และหน่วยความจำได้ทันที ขณะที่ระบบออโต้สเกลลิงแบบนวัตกรรมปรับขนาดทรัพยากรอย่างไดนามิกตามเกณฑ์ที่กำหนดเองเพื่อให้แน่ใจว่ามีประสิทธิภาพที่เหมาะสมที่สุด ระบบการเรียกเก็บเงินที่ออกแบบมาด้วย
Abstract
In the rapidly evolving landscape of artificial intelligence and deep learning, the ability to efficiently deploy, manage, and scale machine learning models has become crucial for both researchers and practitioners. This paper introduces a web application, designed to streamline the model processing services for deep learning projects. At its core, the platform offers a comprehensive suite of functionalities: user registration and login for secure access; space management that allows users to allocate, code, and deploy applications within designated spaces; a robust code management system enabling code upload, edition, and deletion both via a web interface and Git integration through SSH; and a sophisticated deployment system that leverages GitLab for model deployment to a private Docker registry, followed by ArgoCD for application rollouts. Additionally, the platform integrates Grafana for real-time monitoring, providing users with insightful analytics on their deployments. Resource management capabilities allow for on-the-fly adjustments of CPU and memory, while an innovative auto-scaling system dynamically adjusts resources based on custom-defined criteria, ensuring optimal performance. The billing system, designed with transparency and fairness in mind, calculates costs based on a formula that accounts for replica count, CPU, and memory limits, making it easy for users to manage their expenditures. This platform not only addresses the technical challenges associated with deploying and managing deep learning models but also offers a scalable, user-friendly solution that caters to the needs of a diverse user base, from individual developers to larger enterprises, paving the way for accelerated innovation and efficiency in the field of deep learning.
คำสำคัญ (Keywords)
Machine Learning Deployment, Web-Based Code Management, Docker Integration, GitLab CI/CD Processes, Kubernetes with ArgoCD, Grafana Monitoring, Resource Auto-Scaling, Dynamic Resource Allocation, Usage-Based Billing Model, SSH Code Synchronization
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/L0rdT33z/MLPanel
ผู้นำเข้าข้อมูลครั้งแรก
นายธนพลธรณ์
เด่นสิริเดชา
(b6310503341)
แก้ไขครั้งสุดท้าย
เมื่อ April 5, 2024, 11:42 a.m. โดย
นายธนพลธรณ์
เด่นสิริเดชา
(b6310503341)
สถานะการอนุมัติ
รออนุมัติ