访问官网
Github
文档Pragmatic AI Labs 👋
两个精英硕士学位级别的edX课程项目 👇
实用MLOps，O'Reilly出版的图书
这是一个公开的代码库，用于存储《实用MLOps》一书的代码示例。
暂定大纲
第1章：MLOps简介
第1章源代码：
第2章：MLOps基础
第2章源代码：
- https://github.com/noahgift/cloud-bash-essentials
- https://github.com/noahgift/regression-concepts/blob/master/height_weight.ipynb
- https://github.com/noahgift/or/blob/master/README.md#randomized-start-with-greedy-path-solution-for-tsp
第3章：生产环境中的机器学习部署
第3章源代码：
第4章：机器学习模型的持续交付
第4章源代码：
第5章：AutoML
第5章源代码：
第6章：机器学习的监控和日志记录
第6章源代码：
第7章：AWS的MLOps
第7章源代码：
- Elastic Beanstalk的持续交付
- ECS Fargate
- AWS ML认证考试指南
- AWS云从业者考试指南
- 免费AWS云从业者课程
- Python MLOps Cookbook
- 从零开始的容器
第8章：Azure的MLOps
第8章源代码：
第9章：GCP的MLOps
第9章源代码：
第10章：机器学习互操作性
第10章源代码：
第11章：构建MLOps命令行工具
第11章源代码：
第12章：机器学习工程和MLOps案例研究
第12章源代码：
社区案例
本节包括"社区"案例。如果时间允许，其中许多"可能"会被收录到书中。
- Jason Adams: 使用Kubernetes的FastAPI情感分析
- James Salafatinos: Tensorflow.js实时图像分类
- Nikhil Bhargava: 运动鞋价格预测
- 医疗支出
- Flask薪资预测器
- Covid预测器
- 工作缺勤
- 百度胸部X光
- Streamlit交通检测
参考资料
下一步：参加Coursera MLOps课程
