在GCP+AWS Lambda(Docker)上部署機器學習模型

如何序列化( Serialize )–用 scikit-learn 反序列化模型以及在Heroku、AWS Lambda、ECS、Docker和Google Cloud上的部署

報名參加課程更新 coupon code

從這 4.5 小時的課程,你會學到

  • 模型部署流程
  • 可用於模型部署的不同選項
  • 使用 Flask Web 框架部署 Scikit-learn、Tensorflow 2.0模型
  • 在 Google Cloud 功能、應用引擎上部署模型
  • 透過 Google AI 平台提供模型
  • 在 Heroku 雲端上執行預測API
  • 透過 Scikit-learn 和 Tensorflow 對模型進行序列化和反序列化
  • 在亞馬遜 AWS Lambda 上部署模型
  • 用 Docker 安裝 Flower 預測模型
  • 在亞馬遜容器服務(ECS)上部署Docker容器

要求

  • Python程式設計的基礎知識
  • Web 開發的基本知識

課程說明

大家好,歡迎來到關於機器學習和深度學習模型部署營運層級的最實用的課程之一。

什麼是模型部署?

假設你在資料集上做了一些嚴格的訓練後有了一個模型。但現在該如何處理這個模型。你已經用測試資料集測試了你的模型,這很好。你用這個模型得到了很好的準確性。但是,真正的測試將在即時資料衝擊你的模型時出現。所以本課程是關於如何序列化你的模型並部署到伺服器上。

參加這個課程後

  • 你將能夠在雲端伺服器上部署一個模型
  • 你將在機器學習的道路上領先一步
  • 你將能夠在你的履歷中增加一項機器學習技能

本課程將涵蓋哪些內容?

  1. 課程介紹

在這一節中,我將告訴你什麼是模型部署,關於機器學習系統設計工作流程的基本概念,以及在雲端層面上的不同部署選項。

  1. Flask速成課程

在這一節中,你將學習關於 flask 的速成課程,對於那些不熟悉 flask 框架的人來說,我們將在 Python 中可用的 flask Web 開發框架的幫助下部署模型。

  1. 用 Flask 部署模型

在這一節中,你將學習如何序列化和反序列化 scikit-learn 模型,並將部署基於 flask 的所有者 Web 服務。為了測試Web API,我們將使用 Postman API 測試工具和 Python 請求模組。

  1. 序列化深度學習 Tensorflow 模型

在本節中,你將學習如何在時尚 MNIST 資料集上序列化和反序列化keras模型。

  1. 部署在 Heroku 雲端上

在這一節中,你將學習如何將我們在上一節中建立的已經序列化的花卉分類資料集模型部署在 Heroku 雲端上–透過解決方案。

  1. 部署在 Google Cloud上

在這一節中,你將學習如何在不同的 Google Cloud 服務上部署模型,如 Google Cloud 功能,Google App 引擎和谷歌管理的AI Cloud。

  1. 在亞馬遜AWS Lambda上部署

在本節中,你將學習如何在 AWS lambda 函式上部署花卉分類模型。

  1. 在亞馬遜AWS ECS上用 Docker 容器部署

在這一節中,我們將看到如何將應用程式放在 docker 容器中,並將其部署在亞馬遜 ECS(Elastic Container 服務)。

目標受眾

本課程有30天的退款保證。沒有問題。所以你還在等什麼,今天就報名吧。

我將在課堂上看到你。

學習愉快

Ankit Mistry

講師簡介

Ankit Mistry 資料科學家  ( 更多講師主講課程介紹 )

我是 Ankit Mistry,在 IIT Kharagpur 完成了機器學習、人工智慧領域的碩士學位。 現任軟體開發員、大數據工程師,在一家領先的私人投資銀行工作,在軟體行業有 8 年以上的工作經驗。 隨著時間的推移,我對資料學產生了興趣,學習了資料分析和機器學習模型的開發。

我很高興能在 Udemy 的線上學習平臺上學習。

我希望你會喜歡我提供的課程。

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

報名參加課程更新 coupon code

Sponsored by Udemy

也許你會有興趣

找其它課程?試看看 Soft & Share 網站搜尋引擎

✍ 搜尋結果太多?可參考 Soft & Share 搜尋引擎使用技巧


幫我們個小忙!

使用 e-mail 追蹤 Soft & Share

Comments are closed.

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: