Деплой ML моделей: от кода до продакшена
В этом видео я подготовил для вас максимально подробный гайд, который шаг за шагом проведет вас через процесс создания и развертывания ML-модели. Вы узнаете: 1) Как обучить модель машинного обучения. 2) Что такое API и как его создать с помощью FastAPI. 3) Как упаковать модель в Docker-контейнер для удобного развертывания. 4) Как арендовать сервер и развернуть на нем ваше приложение. 5) Как создать красивый и удобный интерфейс для взаимодействия с моделью с помощью Streamlit. Код из этого видео доступен по ссылке: https://github.com/Koldim2001/test_api Таймкоды из видео: 1:19 – Как устроен жизненный цикл ML моделей 6:27 – Обучение ML модели 14:17 – Что такое API и зачем он нам нужен для работы с моделью 21:18 – Пишем на FastAPI API для инференса модели 29:15 – Тестирование работы API с помощью curl, python и swagger 39:14 – Что такое Docker и зачем он нужен 52:23 – Создаем Docker контейнер на практике 1:10:50 – Арендуем облачный сервер 1:16:00 – Настраиваем сервер и запускаем API 1:21:33 – Тестируем работу API на сервере через python и postman 1:25:23 – Пишем простой вебсайт на python с помощью библиотеки streamlit Подписывайтесь на канал, чтобы быть в курсе новых видео и узнавать больше о машинном обучении и компьютерном зрении! #машинноеобучение #ml #python #fastapi #docker #streamlit #api #развертывание #datascience #искусственныйинтеллект #обучениеML #облачныйсервер #гайд #обучениеpython #продашн #machinelearning #production
В этом видео я подготовил для вас максимально подробный гайд, который шаг за шагом проведет вас через процесс создания и развертывания ML-модели. Вы узнаете: 1) Как обучить модель машинного обучения. 2) Что такое API и как его создать с помощью FastAPI. 3) Как упаковать модель в Docker-контейнер для удобного развертывания. 4) Как арендовать сервер и развернуть на нем ваше приложение. 5) Как создать красивый и удобный интерфейс для взаимодействия с моделью с помощью Streamlit. Код из этого видео доступен по ссылке: https://github.com/Koldim2001/test_api Таймкоды из видео: 1:19 – Как устроен жизненный цикл ML моделей 6:27 – Обучение ML модели 14:17 – Что такое API и зачем он нам нужен для работы с моделью 21:18 – Пишем на FastAPI API для инференса модели 29:15 – Тестирование работы API с помощью curl, python и swagger 39:14 – Что такое Docker и зачем он нужен 52:23 – Создаем Docker контейнер на практике 1:10:50 – Арендуем облачный сервер 1:16:00 – Настраиваем сервер и запускаем API 1:21:33 – Тестируем работу API на сервере через python и postman 1:25:23 – Пишем простой вебсайт на python с помощью библиотеки streamlit Подписывайтесь на канал, чтобы быть в курсе новых видео и узнавать больше о машинном обучении и компьютерном зрении! #машинноеобучение #ml #python #fastapi #docker #streamlit #api #развертывание #datascience #искусственныйинтеллект #обучениеML #облачныйсервер #гайд #обучениеpython #продашн #machinelearning #production