Implantação de modelos de machine learning como funções sem servidor

A implantação de modelos de machine learning geralmente vem com o desafio complexo de gerenciar servidores, provisionar recursos e dimensionar a infraestrutura. A transição para uma arquitetura sem servidor permite que você se concentre exclusivamente no código do seu modelo, enquanto o provedor de nuvem lida com a escalabilidade automaticamente.\n\Neste curso escrito, você aprenderá a empacotar, implantar e gerenciar modelos de machine learning como funções sem servidor. Ao entender a mecânica central da computação sem servidor, você poderá criar APIs de previsão econômicas e altamente escaláveis que são executadas somente quando acionadas.\n\nO que você aprenderá:\n- Entenda os conceitos centrais da arquitetura sem servidor e como ela se aplica aos fluxos de trabalho de machine learning.\n- Configure funções sem servidor na AWS e no GCP para hospedar modelos pré-treinados.\n- Empacote dependências de modelos de forma eficiente usando imagens de contêiner para ignorar os limites de tamanho de implantação padrão.\n– Aplique técnicas de mitigação de início a frio para garantir previsões de modelos rápidas e responsivas.\n‑ Projete endpoints de API leves para fornecer previsões depurar implementações de modelos sem servidor usando ferramentas de registro de nuvem incorporadas.\n\nVocê começará aprendendo a terminologia fundamental sem servidor e as diferenças arquitetônicas entre servidores tradicionais e funções como serviço. A partir daí, você progredirá através de guias escritos passo a passo sobre a preparação de seus modelos, gerenciamento de dependências e execução de implantações bem-sucedidas.\n\nEste curso foi projetado para engenheiros de aprendizado de máquina iniciantes, cientistas de dados e desenvolvedores que desejam implantar seus modelos com facilidade. Não é necessária experiência prévia em infraestrutura de nuvem.\n\nComece a ler hoje mesmo para dominar os fundamentos da implantação moderna do modelo sem servidor.