Wdrażanie modeli uczenia maszynowego na AWS z Serverless

Wyszkoliłeś model uczenia maszynowego, ale jak go wprowadzić do produkcji bez złożoności zarządzania serwerami?Ten kurs zapewnia praktyczną ścieżkę do wdrażania modeli jako żywych, skalowalnych usług internetowych przy użyciu podejścia bezserwerowego. Pod koniec tego kursu będziesz w stanie pewnie pakować różne modele ML, definiować niezbędną infrastrukturę chmury jako kod i wdrażać je jako solidne interfejsy API na AWS.Przejdziesz z wyszkolonego pliku modelu do w pełni funkcjonalnego, gotowego do produkcji punktu końcowego, który może służyć prognozom na żądanie. Czego się nauczysz: - Zrozum podstawowe koncepcje bezserwerowe i kluczowe usługi AWS, takie jak Lambda, API Gateway i S3. - Konfiguruj i zarządzaj zasobami chmury deklaratywnie za pomocą Serverless Framework. - Pakiet scikit-learn, Keras i inne modele ML z ich zależnościami dla środowisk bezserwerowych. - Twórz i wdrażaj usługi ML przy użyciu zarówno tradycyjnych pakietów ZIP, jak i nowoczesnych obrazów kontenerów dla AWS Lambda. - Twórz bezpieczne i skalowalne interfejsy API HTTP, aby obsługiwać prognozy w czasie rzeczywistym z modeli. - Ćwicz pisanie funkcji obsługi Pythona, aby skutecznie ładować modele i przetwarzać żądania wnioskowania. - Wdrażaj podstawowe rejestrowanie i monitorowanie aplikacji bezserwerowych za pomocą CloudWatch. Kurs zaczyna się od podstawowych zasad bezserwerowych i wprowadzenia do podstawowych usług AWS, z których będziesz korzystać.Następnie przejdziesz przez praktyczne ćwiczenia pisemne, wdrażając coraz bardziej złożone modele uczenia maszynowego. Ten kurs jest przeznaczony dla początkujących we wdrażaniu chmury.Podstawowa znajomość Pythona i koncepcji uczenia maszynowego jest pomocna, nie jest wymagane wcześniejsze doświadczenie z AWS lub Serverless Framework. Zacznij uczyć się, jak przenieść swoje modele z lokalnej maszyny do produkcji już dziś.