fbpx

將機器學習模型部署到無伺服器 AWS Lambda

使用無伺服器框架( Serverless Framework )將不同的機器學習模型快速部署到可擴充且價效比高的 AWS Lambda 服務中

報名參加課程

已經上過這門課程?

🔥歡迎來參加這個活動 – 上課心得分享與獎勵說明 :分享就贈送一門線上課程

從這 7.5 小時的課程,你會學到

  • 在可擴充的 AWS Lambda 環境中部署迴歸、 NLP 和電腦視覺機器學習模型
  • 如何有效地為部署準備 scikit-learn、 spaCy 和 Keras/Tensorflow 框架
  • 如何運用 AWS 和無伺服器框架的基礎知識
  • 如何監控已部署的機器學習模型及其 APIs 的使用和安全訪問

要求

  • 建立 AWS 帳戶
  • 基本熟悉 Python 和機器學習
  • Linux 和終端機( Terminal )的基本認識
  • JavaScriptREST APIs 有基本的理解,但不嚴格要求

課程說明

在本課程中,你將發現一種利用無伺服器計算原理將各種機器學習模型部署到生產環境中的可擴充、成本效益高且快速的方法。一旦你將訓練有素的機器學習模型部署到雲端,服務提供商(本課程中的 AWS)將負責管理伺服器基礎設施、做自動化擴充、監視、安全更新和日誌記錄。

你將使用免費的 AWS 資源,這些資源足夠你完成整個課程。如果有花費產生(這狀況很不可能),你只會為你使用的部分付錢。

通過接下來的課程講座,你將瞭解亞馬遜網路服務,特別是 Lambda、API Gateway、S3、CloudWatch 和其他。我們將介紹各種現實生活中的用例,這些用例部署了不同種類的機器學習模型,如 NLP、深度學習電腦視覺或迴歸模型。我們將使用不同的 ML 框架 – scikit-learn、 spaCy、 Keras/Tensorflow – 並展示如何為 AWS Lambda 準備這些框架。你還將學習易於使用和有效的無伺服器框架,這使得 Lambda 的建立和部署非常容易。

雖然這個課程並沒有太多關於訓練和微調機器學習模型的技術,但是在 Jupyter Notebook 中會有一些訓練模型和使用預先訓練過的模型的例子。

目標受眾

  • 機器學習初學者和 DevOps 工程師、資料科學家或解決方案架構師
  • 所有的資料科學家和機器學習的實踐者,其需要將自己訓練有素的機器學習模型快速且規模化地部署到生產環境中,而不需要太多的基礎設施

講師簡介

Milan Pavlović 資料科學家  ( 更多講師主講課程介紹 )

在完成資訊系統學士學位後,我於 2016 年畢業於薩格勒布( Zagreb )大學組織與資訊學院資訊與軟體工程碩士學位。在研究期間,我是100% 的時間在前2% 的學生,並獲得了5個院長獎總額(2011-2016年)和 2 個最高榮譽。

我作為一名助教工作了將近兩年,之後我轉到了工業界。在我的學術生涯中,我與薩格勒布大學電子工程和計算學院的文字分析和知識工程實驗室合作,在那裡我也成功地完成了機器學習、深度學習和文字分析和檢索碩士課程。通過這段時間,我對機器學習、深度學習和自然語言處理有了深入的瞭解。

目前我在一家克羅埃西亞創業公司擔任資料科學家。我的主要專業領域是自然語言處理(文字語義學、分類和檢索)。我通過建立機器學習模型並將其部署到生產環境來構建人工智慧驅動的系統。

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

Sponsored by Udemy

也許你會有興趣

 歡迎使用 App / Email | Telegram 訂閱 網站更新

Spread the love

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: