Production Machine Learning Engineering: Packaging, APIs, and Testing (bằng tiếng Anh).

Chuyển đổi một mô hình học máy từ một máy tính bảng địa phương sang một môi trường sản xuất đáng tin cậy đòi hỏi kỹ năng kỹ thuật chuyên biệt. Lớp học dựa trên văn bản này hướng dẫn bạn qua các bước cơ bản của việc đóng gói, phục vụ và kiểm tra các mô hình của bạn. Bạn sẽ học cách biến các tập tin mô hình thô thành các gói Python sạch, có thể tái tạo, gói chúng trong các API hiệu suất cao, và viết các thử nghiệm mạnh mẽ để ngăn chặn các lỗi triển khai. Bạn sẽ học được: - Hiểu các khái niệm ML sản xuất cơ bản và sự chuyển đổi từ nghiên cứu đến triển khai. - Bộ mô hình học máy sử dụng các công cụ gói Python hiện đại như Poetry. - Tạo API sạch, hiệu suất cao sử dụng FastAPI để phục vụ dự đoán mô hình. - Viết các đơn vị tự động và thử nghiệm tích hợp sử dụng pytest để đảm bảo độ tin cậy của mô hình và đường ống. - Thực hiện các sơ đồ xác minh để bảo mật và xác minh dữ liệu nhập trước khi nó đến mô hình của bạn. - Cấu trúc mã nguồn ML của bạn để tích hợp không gian vào các đường ống liên tục. Chương trình bắt đầu với các định nghĩa cốt lõi và các mô hình cấu trúc trước khi chuyển bước qua bước qua gói mã, tạo API và các chiến lược kiểm thử toàn diện. Chương trình này được thiết kế cho các kỹ sư ML tham vọng, các nhà khoa học dữ liệu và các nhà phát triển phần mềm chuyển đổi sang các hoạt động học máy, chỉ cần kiến thức Python cơ bản. Bắt đầu đọc hôm nay để nối liền khoảng cách giữa đào tạo người mẫu và triển khai sản xuất.