serverless-ml-course

serverless-ml-course 项目介绍

概述

"Beyond Notebooks - Serverless Machine Learning" 是一个独特的课程项目，教授如何使用 Python 构建无服务器的机器学习（ML）预测服务，无需深入了解 Kubernetes 或云计算。这一课程让使用者能轻松搭建起利用 ML 模型进行智能决策的系统。

该课程的最大优势是，使用者无需进行复杂的系统安装、升级或维护，只需用 Python 编写可调度运行的管道即可。生成的特征和模型将由无服务器的特征存储/模型注册库管理，另外，课程也教授如何通过 Python 和 HTML 构建预测服务的用户界面。

课程模块

• 模块 00 - 介绍与选修内容

  • 为什么选择无服务器 ML
  • 课程简介和开发环境搭建
  • 机器学习基础（ML 101）

• 模块 01 - Pandas 和 Python 中的 ML 管道

  • 编写你的第一个无服务器应用

• 模块 02 - 数据建模与特征存储

  • 信用卡欺诈预测服务的实现

• 模块 03 - 训练管道、推理管道与模型注册表

• 模块 04 - 机器学习系统的无服务器用户界面

• 模块 05 - MLOps 的原则与实践

• 模块 06 - 操作机器学习系统：实时机器学习

学习成果

通过这一课程，学习者能够：

• 开发和操作基于无服务器架构的 AI 启用服务
• 运行无服务器特征管道
• 部署特征和模型
• 训练模型及运行批量推理管道
• 为预测服务开发无服务器的用户界面
• 学习 MLOps 基础：版本控制、测试、数据验证以及运维
• 开发和运行实时的无服务器机器学习系统

目标受众

本课程适合已经掌握机器学习基础并能够使用 Python 编程的人士，课程特别适合那些希望在模型之外构建预测服务的人，比如想展示给企业利益相关者，或者想将 ML 应用于现有应用程序或系统的人。

课程特点

与其他课程不同，本课程无需额外的运维经验，学习者只需有 GitHub 和 Python 编程的基础知识。课程旨在教授 MLOps 的基本原理，如版本控制、测试、数据验证及系统监控等。

费用

这一课程是免费的。学习者可以自由使用 GitHub Actions 和 Hopsworks，均提供了时间无限制的免费服务。

主要技术

• 开发环境：用 Python IDE 编写、测试、调试以及训练模型，重点使用 Jupyter 或 Colaboratory 笔记本。
• GitHub：管理代码及工作流，利用 GitHub Pages 为非互动应用开发用户界面。GitHub Actions 提供免费的 500 MB 以及 2,000 分钟管道运行时间。
• Hopsworks：提供 10 GB 的免费存储服务。

无论您是希望在以后的工作中新增技能，或是对无服务器机器学习领域感兴趣，这一课程都将为您提供坚实的基础和实践背景。