Implantação de modelos de machine learning na AWS com Serverless

Você treinou um modelo de machine learning, mas como você o coloca em produção sem a complexidade de gerenciar servidores?Este curso fornece um caminho prático para implantar seus modelos como serviços da Web escaláveis e ao vivo usando uma abordagem sem servidor. No final deste curso, você poderá empacotar com confiança vários modelos de ML, definir a infraestrutura de nuvem necessária como código e implantá-los como APIs robustas na AWS.Você passará de um arquivo de modelo treinado para um endpoint totalmente funcional e pronto para produção que pode atender a previsões sob demanda. O que você vai aprender: - Entenda os principais conceitos sem servidor e os principais serviços da AWS, como Lambda, API Gateway e S3. - Configure e gerencie recursos de nuvem declarativamente usando o Serverless Framework. - Empacote o scikit-learn, o Keras e outros modelos de ML com suas dependências para ambientes sem servidor. - Crie e implante serviços de ML usando pacotes ZIP tradicionais e imagens de contêiner modernas para o AWS Lambda. - Crie APIs HTTP seguras e escaláveis para atender previsões em tempo real de seus modelos. - Pratique escrever funções de manipulador Python para carregar modelos e processar solicitações de inferência de forma eficiente. - Implemente o registro e o monitoramento básicos para seus aplicativos sem servidor usando o CloudWatch. O curso começa com princípios fundamentais de serverless e uma introdução aos principais serviços da AWS que você usará.De lá, você progredirá através de exercícios práticos escritos, implantando modelos de machine learning cada vez mais complexos. Embora uma familiaridade básica com Python e conceitos de aprendizado de máquina seja útil, não é necessária experiência prévia com a AWS ou com o Serverless Framework. Comece a aprender como levar seus modelos de sua máquina local para a produção hoje.