Memasang Model Pembelajaran Mesin di AWS dengan Serverless

Anda telah melatih model machine learning, tapi bagaimana Anda mendapatkannya ke produksi tanpa kompleksitas manajemen server? Kursus ini menyediakan jalur praktis untuk menerapkan model Anda sebagai layanan web yang dapat disesuaikan secara langsung menggunakan pendekatan serverless. Pada akhir kursus ini, Anda akan dapat dengan percaya diri membungkus berbagai model ML, mendefinisikan infrastruktur awan yang diperlukan sebagai kode, dan menerapkannya sebagai API yang kuat di AWS. Anda akan beralih dari berkas model yang terlatih ke endpoint yang sepenuhnya berfungsi dan siap produksi yang dapat melayani prediksi on demand. Apa yang akan kau pelajari: - Mengerti konsep serverless inti dan layanan AWS kunci seperti Lambda, API Gateway, dan S3. - Konfigurasi dan mengelola sumber daya awan secara deklaratif menggunakan Serverless Framework. - Paket scikit-learn, Keras, dan model ML lainnya dengan ketergantungan mereka untuk lingkungan serverless. - Membuat dan menerapkan layanan ML menggunakan paket ZIP tradisional dan gambar kontainer modern untuk AWS Lambda. - Buat HTTP API yang aman dan dapat disesuaikan untuk melayani prediksi waktu nyata dari model Anda. - Praktik menulis fungsi Python handler untuk memuat model dan proses permintaan inferensi secara efisien. - Implementasi dasar logging dan monitoring untuk aplikasi serverless Anda menggunakan CloudWatch. Kursus ini dimulai dengan prinsip-prinsip dasar serverless dan pengenalan pada layanan inti AWS yang akan Anda gunakan. Dari sana, Anda akan berkembang melalui latihan tertulis yang praktis, menerapkan model machine learning yang semakin kompleks. Kursus ini dirancang untuk pemula dalam deploymen awan. Meskipun keakraban dasar dengan Python dan konsep machine learning berguna, tidak ada pengalaman sebelumnya dengan AWS atau Serverless Framework yang diperlukan. Mulai belajar bagaimana mengambil model Anda dari mesin lokal Anda untuk produksi hari ini.