Produkcja Inżynieria uczenia maszynowego: pakowanie, interfejsy API i testowanie

Przeniesienie modelu uczenia maszynowego z lokalnego notebooka do niezawodnego środowiska produkcyjnego wymaga specjalistycznych umiejętności inżynierskich. Ten kurs tekstowy prowadzi przez podstawowe kroki pakowania, serwowania i testowania modeli. Dowiesz się, jak przekształcić surowe pliki modeli w czyste, odtwarzalne pakiety Pythona, owinąć je w wysokowydajne interfejsy API i napisać solidne testy, aby zapobiec awariom wdrożenia. Czego się nauczysz: - Zrozum podstawowe koncepcje produkcji ML i przejście od badań do wdrożenia. - Zapakuj modele uczenia maszynowego za pomocą nowoczesnych narzędzi do pakowania Pythona, takich jak Poetry. - Twórz czyste, wysokowydajne interfejsy API za pomocą FastAPI, aby obsługiwać prognozy modelu. - Napisz zautomatyzowane testy jednostkowe i integracyjne za pomocą pytest, aby zapewnić niezawodność modelu i rurociągu. - Wdrażaj schematy walidacji, aby zabezpieczyć i zweryfikować dane wejściowe, zanim dotrą do modelu. - Skonstruuj bazę kodu ML, aby uzyskać płynną integrację z potokami ciągłego dostarczania. Kurs zaczyna się od podstawowych definicji i wzorców strukturalnych, zanim przejdzie krok po kroku przez pakowanie kodu, tworzenie interfejsów API i kompleksowe strategie testowania. Ten program jest przeznaczony dla początkujących inżynierów ML, naukowców zajmujących się danymi i programistów przechodzących na operacje uczenia maszynowego, wymagające tylko podstawowej wiedzy Pythona. Zacznij czytać już dziś, aby wypełnić lukę między szkoleniem modelu a wdrożeniem produkcji.