Erstellen und Bereitstellen von Machine Learning-Services mit Docker

Dieser Kurs führt Sie durch den gesamten Lebenszyklus eines kommerziellen ML-Projekts, sodass Sie Modelle selbstbewusst bereitstellen und praktische, einsatzbereite Fähigkeiten demonstrieren können.Dieser Kurs zeigt Ihnen, wie Sie die gesamte Entwicklungsphase eines kommerzlichen ML Projekts durchlaufen. Was Sie lernen werden: * Verstehen Sie den gesamten Machine Learning-Projektlebenszyklus, von der Aufnahme von Rohdaten bis zur Servicebereitstellung. * Trainieren, evaluieren und serialisieren Sie ein prädiktives Modell, das für den Produktionsgebrauch geeignet ist. * Wenden Sie grundlegende Containerisierungsprinzipien mit Docker an, um Ihre ML-Anwendung und Abhängigkeiten zu verpacken. * Konfigurieren Sie einen grundlegenden API-Endpunkt, um Modellvorhersagen effektiv zu bedienen. * Üben Sie wesentliche MLOps-Konzepte, einschließlich grundlegender Modellversionierung und Artefaktverwaltung. * Entwickeln Sie ein wirkungsvolles Portfolioprojekt, das die Bereitschaft für einen durchgängigen kommerziellen Workflow demonstriert. Wir beginnen mit der grundlegenden Datenvorbereitung und dem Modelltraining, gehen durch die Anwendungsentwicklung und schließen mit den praktischen Schritten ab, die für die Containerisierung und Bereitstellung Ihres Dienstes erforderlich sind.Dieser Kurs richtet sich an absolute Anfänger in Machine Learning und Data Science, die kommerzielle Erfahrung sammeln möchten. Vorherige Bereitstellung oder Docker-Erfahrung sind nicht erforderlich. Bauen Sie noch heute das Portfolio auf, das Ihre Karriere vorantreiben wird.