fbpx

使用 Docker (DevOps)佈署機器學習和 NLP 模型

課程簡介

學習如何構建機器學習、深度學習和 NLP 模型,並使用 Docker 容器(DevOps)(使用 Python)佈署它們

課程介紹:English 简中

從這 4 小時的課程,你會學到

  • 如何同步 DevOps 和機器學習的多功能性
  • 掌握 Docker,Docker 檔案,Docker 應用程式和 Docker 容器(DevOps)
  • Flask 基礎與應用程式介面(API)
  • 建立和佈署隨機森林模型
  • 建立一個基於文字(自然語言處理: NLP)的 CLUSTERING (KMeans)模型,並將其公開作為 API
  • 建立一個 API,它將執行一個深度學習模型(卷積神經網路: CNN)影像辨識和分類模型

要求

  • 使用任何程式語言的基本程式設計
  • 基礎數學
  • 對 Python 的一些瞭解(但不是強制的)

課程說明

正如我們所知,機器學習是當今業界中的新時髦詞彙。 這在可以想象的商務中的每一個部分都得到了實踐,為複雜的業務問題提供了資料驅動的解決方案。 這就提出了佈署解決方案的挑戰,這個解決方案是由機器學習技術構建的,因此可以橫跨預定的商務單元使用,而不是孤立地執行。

這是一個廣泛和深思熟慮的課程建立和設計的 UNP 精英團隊的資料科學家從世界各地專注面臨的挑戰,資料科學家和電腦解決方案架構師在整個行業,總結如下句子:

“我有一個機器學習模型,它正在按照預期工作! ! 現在接下來怎麼辦

本課程將幫助您建立資料科學基本主題的堅實基礎,以及通過 Docker 容器佈署已建立的解決方案的堅實基礎,這些解決方案最終將把您的模型公開為服務(API) ,任何希望使用它的人都可以使用。

在本課程結束時,你將能夠:

  • 學習 Docker,Docker 檔案,Docker 容器
  • 學習 Flask 基礎和應用程式介面(API)
  • 建立一個隨機森林模型並部署它。
  • 建立一個基於自然語言處理的測試聚類模型(K-Means)並將其視覺化。
  • 利用深度學習模型構建影像處理和識別 API (卷積神經網路: CNN)

本課程是資料科學基礎、工業標準、對機器學習和實際應用的更廣泛理解以及最重要的佈署的完美結合。

目標受眾

  • 任何願意冒險進入資料科學的領域的人
  • 任何有興趣佈署資料科學解決方案的人,可以是迴歸、 NLP 甚至是深度學習模型

講師簡介

UNP United Network of Professionals 出版一流的資料科學學習材料

在 UNP,我們的願景是讓學習變得有趣、充實和個性化。 我們正在努力使資料科學大眾化,並打破進入分析和資料科學世界的障礙。

我們致力於開發和出版一流的資料科學學習材料。 這些材料的設計是為了讓學生為資料科學產業做好準備。 UNP 開發的所有內容都是數位化的,可以是電子書、視訊講座、虛擬教室。 除了向個人分發內容外,我們還為企業客戶提供學習材料。

學習教材只由經驗豐富的資料科學專業人員和一線大學的教授開發。 每份教材在出版前都要經過嚴格的審查程式。 UNP 提供的每一份教材都附有程式碼片段、工業專案應用程式和準備工作面試的提示。

與我們的願景一致,UNP 獎學金計劃的目的是為有經濟困難的學生提供學習機會。

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

優惠資訊

如何購買這門課程比較划算?可以參考課程合購優惠方案


報名參加課程

Sponsored by Udemy

也許你會有興趣

 學習資訊不漏接-歡迎使用 App 訂閱發文通知 

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: