Публикации по теме 'flask'
Создание модели машинного обучения
Создание вашей модели машинного обучения с использованием веб-фреймворка Flask
Несмотря на то, что внедрение вашей модели машинного обучения в рабочую среду является одним из наиболее важных шагов при создании приложения машинного обучения, существует не так много руководств, показывающих, как это сделать. Особенно для небольших библиотек машинного или глубокого обучения, таких как Uber Ludwig.
Поэтому в этой статье я расскажу, как создать модель Людвига путем создания Rest-API, а..
Краткое руководство по развертыванию моделей машинного обучения с помощью Flask API
Развертывание моделей машинного обучения является важным шагом на пути внедрения решений в области науки о данных и искусственного интеллекта в реальный мир. В этой статье мы рассмотрим, как создать Flask API для развертывания модели машинного обучения. Flask — это микровеб-фреймворк, написанный на Python, который идеально подходит для создания RESTful API. Мы будем использовать библиотеку scikit-learn для обучения модели линейной регрессии на наборе данных об автомобилях, а затем..
Развертывание проекта машинного обучения с использованием Flask
проект машинного обучения в производстве.
В этой статье мы собираемся обсудить в основном развертывание модели машинного обучения с использованием flask API, но код для построения и развертывания модели с использованием flask API будет доступен в моем репозитории GitHub , так что вы также можете попробовать это в вашем собственном проекте.
Я предполагаю, что у вас есть некоторый опыт в машинном обучении или построении моделей глубокого обучения и вы хотите создать модель с..
Как подключить базу данных к приложению Flask — часть 1
Подключение базы данных SQLite к приложению Flask через SQLAlchemy
Введение
В этом руководстве я объясню, как вы можете подключить базу данных к приложению Flask с помощью SQLAlchemy. В одной из моих предыдущих статей я описал, как начать разработку приложений с помощью Flask. Так что эту статью можно считать ее расширенной версией. Потому что после этого урока вы сможете добавить базу данных в свое приложение. Если вы пропустили мою предыдущую статью, пожалуйста, перейдите по..
Обработка именования ревизий файлов в Python
Хорошо, это всего лишь краткая публикация, чтобы сделать небольшой акцент на небольшом инструменте, который я написал несколько недель назад, и начать работу только с этим Medium.
Проблема, с которой я столкнулся, была одной из тех, где вы думаете, что где-то должно быть работающее решение — кто-то должен был подумать об этом до меня. Бросив большую часть своих поисков в Google на проблему поиска этого в Интернете, я еще не нашел ничего подобного. Просто странное предложение на..
ПРОГНОЗ ЦЕНЫ ПОЛЕТА С ПРИЛОЖЕНИЕМ FLASK — С ИСХОДНЫМ КОДОМ — ВИЗУАЛИЗАЦИЯ ДАННЫХ — ИНТЕРЕСНО…
Итак, ребята, вот еще один из моих самых любимых проектов. В этом блоге мы будем внедрять модель прогнозирования цен на авиабилеты с использованием различных методов, а также будем выполнять очень частую визуализацию данных, чтобы лучше понять наши данные. Это будет большой блог, поэтому, не вдаваясь в подробности, выпейте кофе и начните.
Полную статью с исходным кодом читайте здесь — https://machinelearningprojects.net/flight-price-prediction/
Посмотреть видео можно здесь —..
Чему я научился, внедряя свои первые модели глубокого обучения в Heroku
Для тех, кто пытается развернуть свои первые модели TensorFlow, это, вероятно, будет хорошей документацией по проблемам, с которыми они могут столкнуться, которые почти не упоминаются ни в одном учебнике. И я проверил. Это не предназначено для того, чтобы научить вас развертывать модели или даже создавать модели.
Вероятно, одна из наиболее важных частей машинного обучения — это когда созданные модели интегрируются с другими продуктами, услугами, веб-сайтами или приложениями, которые можно..
Новые материалы
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..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..