Развертывание Python-приложений машинного обучения

Обучение и тестирование часто проводятся один раз на выделенной вычислительной платформе. Затем обученная модель упаковывается для другой вычислительной системы для прогнозирования. Развертывание машинного обучения — это процесс предоставления модели для получения результатов, к которым люди или компьютеры могут получить доступ для прогнозирования модели. Он включает в себя управление потоком данных к приложению для обучения или прогнозирования. Поток данных может быть пакетным или непрерывным. Приложение машинного обучения может быть развернуто различными способами, например, через программный интерфейс приложения (API), веб-интерфейс, приложение для мобильных устройств или через Jupyter Notebook или скрипт Python. Несколько упражнений демонстрируют упаковку и передачу приложений для развертывания. Если модель машинного обучения обучается в автономном режиме, модель инкапсулируется и передается на целевой хостинг. Масштабируемое развертывание означает, что вычислительная архитектура может обрабатывать возросший спрос, например, через облачный вычислительный хост с масштабированием по требованию. Контейнер Docker может быть развернут в облачных сервисах. Машинное обучение для инженеров: https://apmonitor.com/pds Развертывание приложений машинного обучения на Python: https://apmonitor.com/pds/index.php/M...