Как построить ML-архитектуру с помощью AWS SageMaker + Lambda + API Gateway | ПРАКТИЧЕСКОЕ РУКОВО...

В этом руководстве показано, как настроить архитектуру машинного обучения в Amazon Web Services, используя комбинацию Amazon SageMaker, функций AWS Lambda и Amazon API Gateway. Основная идея заключается в создании рабочего процесса в облаке, где обычный конечный пользователь из общедоступного интернета может отправлять запросы к предварительно обученной модели машинного обучения и получать прогноз (или аналитические данные на основе ИИ) в течение секунды. С технической точки зрения, работа системы выглядит следующим образом: конечный пользователь вводит свои данные и отправляет их в API Gateway, который использует REST API. После получения этих входных данных API-сервис перенаправляет их в предварительно определенную функцию AWS Lambda. Здесь функция AWS Lambda запускает конечную точку модели машинного обучения, которая была создана после завершения обучения модели и сохранена в хранилище S3. Наконец, конечная точка машинного обучения, получив входные данные пользователя, делает прогноз, используя предварительно обученную модель машинного обучения, и отправляет прогнозируемое значение обратно через AWS Lambda в Amazon API Gateway. Итак, это видео демонстрирует один из многих способов развертывания модели машинного обучения в облаке с использованием AWS. В этом видео показано использование Amazon API Gateway либо с помощью консоли AWS, либо с помощью пользовательского скрипта на Python (где вы можете гибко использовать функциональность API). В качестве примера в этом видео я использую задачу машинного обучения для прогнозирования диагноза рака молочной железы. Конечная точка модели машинного обучения была создана специально для этого варианта использования. Вы можете найти этот блокнот непосредственно в шаблонах блокнотов AWS SageMaker. Документация, использованная в этом руководстве, где вы найдете фрагменты кода для ролей IAM и AWS Lambda на языке программирования Python, использованные в этом видео: https://aws.amazon.com/blogs/machine-... Подробнее об этом примере использования: Amazon IAM: https://aws.amazon.com/iam/ Amazon SageMaker: https://aws.amazon.com/pm/sagemaker/ AWS Lambda Function: https://aws.amazon.com/lambda/ Amazon API Gateway: https://aws.amazon.com/api-gateway/ Также настоятельно рекомендую освежить свои знания об IAM (управление идентификацией и доступом), ролях AWS, политиках и группах с помощью этого видео:    • AWS IAM: Users, Groups, Roles, and Policies   Содержание урока: 0:00 - Объяснение архитектуры машинного обучения на AWS 2:15 - Практическое занятие на AWS! Создание экземпляра AWS SageMaker Notebook 4:49 - Объяснение Jupyter Notebook и обучение модели машинного обучения 8:17 - Создание конечной точки SageMaker для модели машинного обучения 11:11 - Настройка функции AWS Lambda 16:32 - Настройка Amazon API Gateway 19:05 - Тестирование архитектуры машинного обучения на AWS Надеюсь, этот урок был вам полезен. Если вам нужна помощь, вы хотите поделиться своим опытом или предложить тему для следующего видео, пожалуйста, оставьте комментарий ниже! - Спасибо! #sagemaker #lambdafunction #apigateway Слава Украина!