Публикации по теме 'deployment'
Ваше первое приложение Streamlit
Что такое Стримлит ?
Streamlit — это библиотека Python с открытым исходным кодом, которая позволяет легко создавать красивые настраиваемые веб-приложения для машинного обучения и обработки данных и делиться ими.
Для чего используется Streamlit?
Streamlit — это библиотека Python, которая позволяет быстро и легко создавать интерактивные веб-приложения. Он прост в использовании и требует минимальной настройки, что делает его популярным выбором для специалистов по данным и инженеров..
Почему ваша модель машинного обучения может не работать в производственной среде?
Большинство моделей машинного обучения никогда не поступают в производство, но еще хуже, когда модели в производстве довольно скоро становятся бесполезными. Это не должно иметь значения для вас, если вы применяете машинное обучение только для обучения или развлечения. Однако на этот вопрос следует ответить, если вы когда-нибудь мечтали о развертывании моделей в производственной среде. Это связано с тем, что точность моделей снижается, как только они внедряются в реальный мир.
Я не..
Архитектура Kubernetes для развертывания веб-приложений машинного обучения
Осмысление больших данных
Архитектура Kubernetes для развертывания веб-приложений машинного обучения
Используйте Kubernetes, чтобы снизить затраты на инфраструктуру машинного обучения и легко масштабировать ресурсы.
Kubernetes стал эталоном для оркестровки контейнеров. Оркестрация контейнеров означает запуск контейнеров, их выключение, их вертикальное масштабирование (количество памяти и ЦП) и горизонтальное масштабирование (количество контейнеров, работающих параллельно)...
Как RedBus использует модели машинного обучения Scikit-Learn для классификации жалоб клиентов?
Предыстория : redBus получает жалобы от клиентов, в основном, на возврат средств, отмену, запросы оператора и т. д. Процесс классификации этих писем и перенаправления их соответствующим агентам / очереди обслуживания клиентов становится огромной задачей. Это также увеличивается в пиковые дни (особенно в праздничные и выходные дни).
Чтобы обойти (классифицировать и пометить) этот процесс, компания RedBus пошла по пути машинного обучения. У нас были данные, помеченные вручную, которые..
Развертывание Strapi MySQL на традиционном хостинг-провайдере
Автор: Абдулвахаб Ашими
Если у вас есть приложение Strapi, которое вы хотите развернуть, но вас не интересуют несколько облачных сервисов или варианты VPS и вместо этого вы хотите использовать пакет общего хостинга, эта статья для вас.
В конце этого руководства вы должны знать, как настроить пакет общего хостинга, установить основные требования, настроить параметры базы данных и развернуть проект Strapi.
Введение в Страпи
Strapi — это безголовая система управления контентом,..
Развертывание веб-сайтов с помощью Cloudflare Workers и Gitlab CI / CD
Есть много способов развернуть интерфейсное приложение. Как на размещенной виртуальной машине, докере и Kubernetes. Но в настоящее время самым дешевым и простым вариантом является размещение статического веб-сайта. Для этого существует множество платформ: Github Pages , Firebase , Surge , Netlify и Cloudflare Workers , инструмент, который будет показан в этой статье.
А современные статические веб-сайты легко создавать с помощью таких генераторов, как Gatsby , Nuxt.js и..
Ключевые проблемы развертывания модели машинного обучения
Машинное обучение стало неотъемлемой частью различных отраслей, от финансов до здравоохранения и не только. Однако создание мощной и эффективной модели машинного обучения — это только начало пути. Развертывание модели в производственной среде сопряжено с собственным уникальным набором проблем, и без надлежащего планирования и исполнения модель может не принести ожидаемых преимуществ.
В этой статье мы сосредоточимся на двух основных категориях проблем при развертывании модели машинного..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..