Статьи по теме docker

Публикации по теме 'docker'

Развертывание конвейера глубокого обучения с помощью Docker на AWS

Примечание: эта статья написана с Мохамедом Лабуарди Модели глубокого обучения сложно разработать и настроить. Каждый специалист по данным может испытать чувство облегчения, обнаружив, что их модели работают с новыми данными так же хорошо, как и на этапах обучения, тестирования и проверки. Однако это не достижение, а начало новой зоны турбулентности: как модель (которая в нашем случае будет производиться как REST API) масштабируется для обработки растущего количества запросов?..

Руководство для начинающих по созданию и развертыванию контейнера для вашей модели ML

Наука о данных/развертывание Руководство для начинающих по созданию и развертыванию контейнера для вашей модели ML Веб-приложение, созданное с использованием Streamlit и развернутое на Heroku. Контейнеризация обсуждалась в моей предыдущей статье. Теперь давайте попрактикуемся. Мы будем развертывать модель машинного обучения под названием House Hunter. Это веб-приложение для прогнозирования цен на жилье, созданное с использованием Streamlit. Различные шаги, связанные с..

Сквозное машинное обучение с использованием FastAPI, Streamlit, Docker, Google Cloud Platform.

Доступно ограниченное количество статей, демонстрирующих полный комплексный проект машинного обучения. Кроме того, некоторые из них прекращают работу сразу после контейнеризации своего приложения или API. Однако также важно делиться своей работой и проектами с остальным миром, чтобы люди могли легко получить доступ к вашему API или приложению. Поэтому цель настоящей статьи — представить разработку приложения, размещенного на Google Cloud Platform и доступного как для настольных..

Понимание основного принципа MLOps для специалистов по данным

Вводное руководство, которое поможет вам запустить в производство более мощную модель Если вы специалист по данным или начинающий, вы, вероятно, слышали, что большинство моделей машинного обучения не доходят до стадии производства ( Статья о венчурном успехе ). Для этого есть причины, но можно утверждать, что текущий путь обучения науке о данных сосредоточен на построении модели машинного обучения и улучшении показателей. Хотя эти вещи важны, внедрение вашей модели в производство —..

Частные репозитории Docker для науки о данных с Azure

Основы инженера по машинному обучению - Как настроить частные репозитории контейнеров, защитить их, развернуть и предоставить общий доступ в облаке с помощью Azure Вступление Если вы уже используете Docker для своих проектов в области науки о данных, тогда отлично - теперь вы, возможно, захотите узнать, как управлять своими контейнерами и делиться ими в частном порядке. В этом посте вы узнаете, как запустить частный репозиторий в Azure. Требования Для этого урока вам потребуется..

Не используйте R в продакшене

Но если вы это сделаете, вот как Мы используем R в производственной среде уже несколько лет, и этот пост посвящен тому, как это сделать. Этот пост также о том, почему я до сих пор не думаю, что вам следует запускать R в продакшене, если он вам на самом деле не нужен. Я смотрю на это с точки зрения инженера. Мы поговорим о лицензировании, ограничениях R и о том, как решить основные препятствия, чтобы добраться до точки, где вы можете запускать Rscripts в продакшене с гораздо меньшими..

Должен знать команды Docker

Docker — очень полезный и широко используемый сервис, который часто используется в конвейерах машинного обучения при использовании облака. Все более важным становится то, чтобы специалисты по обработке и анализу данных, инженеры данных и инженеры по машинному обучению чувствовали себя комфортно и умело использовали сервис Docker. Ниже приведена подборка лучших команд Docker, которые я использую при разработке конвейеров машинного обучения или контейнерных приложений.