Implementación de modelos de aprendizaje automático con Cloud Functions de GCP

Muchos científicos de datos pueden entrenar modelos de aprendizaje automático, pero convertir esos modelos en API accesibles y del mundo real es donde se crea el verdadero valor.Este curso basado en texto lo guía a través del proceso de implementación de modelos de machine learning basados en Python en la nube utilizando tecnología sin servidor. Al aprovechar Cloud Functions sin servidor en GCP, crearás puntos de conexión de predicción altamente escalables que solo incurren en costos cuando procesan solicitudes de forma activa, lo que te permite optimizar el tiempo de respuesta y reducir los costos de producción. Lo que aprenderás: - Comprender los principios básicos de la arquitectura sin servidor y cómo se aplican a la implementación del aprendizaje automático - Prepare y serialice modelos de aprendizaje automático de Python para entornos de producción - Escriba funciones de nube limpias usando sugerencias de tipo Python modernas y configuraciones de entorno estructuradas - Implemente técnicas de almacenamiento en caché eficientes para optimizar los tiempos de respuesta de predicción y reducir los costos de cómputo - Configurar puntos de conexión HTTP seguros para servir predicciones de modelos de forma segura - Monitoree y solucione sus implementaciones sin servidor usando herramientas de registro en la nube El curso comienza con conceptos fundamentales de arquitectura sin servidor y serialización de modelos, luego se mueve paso a paso a través de la escritura, configuración e implementación de su primera API de predicción.Está diseñado para científicos de datos principiantes, desarrolladores de software y entusiastas de la nube que desean aprender la implementación del modelo. Se recomienda un conocimiento básico de Python, pero no se requiere experiencia previa en implementación en la nube. Comience a leer hoy mismo para llevar sus modelos de aprendizaje automático de scripts locales a APIs escalables en la nube.