Menyebarkan Model Machine Learning di AWS dengan Serverless

Anda telah melatih model machine learning, tetapi bagaimana cara memasukkannya ke dalam produksi tanpa kerumitan mengurus pelayan? Kursus ini menyediakan laluan praktikal untuk menyebarkan model anda sebagai perkhidmatan web yang berskala dan berdaya maju menggunakan pendekatan tanpa pelayan. Menjelang akhir kursus ini, anda akan dapat mengemas pelbagai model ML dengan yakin, mentakrifkan infrastruktur awan yang diperlukan sebagai kod, dan menyebarkannya sebagai API yang mantap di AWS. Anda akan beralih daripada fail model yang dilatih kepada titik akhir yang berfungsi sepenuhnya, sedia pengeluaran yang boleh melayani ramalan atas permintaan. Apa yang akan anda pelajari: - Fahami konsep teras tanpa pelayan dan perkhidmatan AWS utama seperti Lambda, API Gateway, dan S3. - Konfigurasikan dan urus sumber awan secara deklaratif menggunakan Serverless Framework. - Pakej scikit-learn, Keras, dan model ML lain dengan kebergantungan mereka untuk persekitaran tanpa pelayan. - Bina dan sebarkan perkhidmatan ML menggunakan pakej ZIP tradisional dan imej kontena moden untuk AWS Lambda. - Cipta API HTTP yang selamat dan berskala untuk melayani ramalan masa nyata daripada model anda. - Amalkan menulis fungsi pengendalikan Python untuk memuatkan model dan memproses permintaan inferens dengan cekap. - Laksanakan logging dan pemantauan asas untuk aplikasi tanpa pelayan anda menggunakan CloudWatch. Kursus ini bermula dengan prinsip teras tanpa pelayan dan pengenalan kepada perkhidmatan AWS teras yang akan anda gunakan. Dari sana, anda akan meneruskan melalui latihan bertulis secara langsung, menyebarkan model machine learning yang semakin kompleks. Kursus ini direka untuk pemula dalam penyebaran awan. Walaupun kebiasaan asas dengan Python dan konsep machine learning adalah membantu, tiada pengalaman terdahulu dengan AWS atau Serverless Framework diperlukan. Mula belajar cara membawa model anda dari mesin tempatan anda ke pengeluaran hari ini.