Развертывание моделей машинного обучения на AWS с помощью Serverless

Вы обучили модель машинного обучения, но как вы можете получить ее в производстве без сложности управления серверами? Этот курс предоставляет практический путь к развертыванию ваших моделей в качестве живых, масштабируемых веб-служб с использованием подхода без сервера. К концу этого курса вы сможете уверенно пакетировать различные модели ML, определять необходимую облачную инфраструктуру в виде кода и развертывать их в качестве надежных API на AWS. Вы перейдете от обучаемого файла модели к полностью функциональной, готовой к производству конечной точке, которая может обслуживать предсказания по требованию. Что вы узнаете: - Понимание основных концепций без сервера и ключевых услуг AWS, таких как Lambda, API Gateway и S3. - Настраивайте и управляйте облачными ресурсами декларативно с помощью Serverless Framework. - Пакет scikit-learn, Keras и другие модели ML с их зависимостями для сред без сервера. - Создание и развертывание ML-сервисов с использованием как традиционных ZIP-пакетов, так и современных контейнерных изображений для AWS Lambda. - Создание безопасных и масштабируемых HTTP API для обслуживания прогнозов в реальном времени из ваших моделей. - Практикуем написание функций Python для загрузки моделей и эффективного обработки запросов вывода. - Внедрить базовый журнал и мониторинг для ваших серверных приложений с помощью CloudWatch. Курс начинается с основных принципов безсерверного обучения и введения в основные службы AWS, которые вы будете использовать. Затем вы пройдете практические письменные упражнения, развертывая все более сложные модели машинного обучение. Этот курс предназначен для новичков в облачном развертывании. Хотя базовое знание Python и концепций машинного обучения полезно, предыдущий опыт работы с AWS или Serverless Framework не требуется. Начните изучать, как перенести модели с локального станка на производство, уже сегодня.