Content
9 Lessons • 0 Quizzes • 0 Challenges
可扩展模型管道构建简介
- 1
课程概述
- 2
应用数据科学
- 3
适用于可扩展计算的 Python
- 4
云环境
- 5
编程环境
- 6
测验 - 数据科学基础概念
- 7
🛑 重要提示！
- 8
数据集简介
- 9
BigQuery 转 Pandas
- 10
Kaggle 到 Pandas
- 11
测验 - 导入数据集
- 12
原型模型
- 13
线性回归
- 14
逻辑回归
- 15
Keras 回归
- 16
自动化特征工程
- 17
测验 - 原型模型
- 18
结论：数据科学模型、工具与环境
模型作为Web端点
- 1
模型作为Web端点的介绍
- 2
Web 服务
- 3
回显服务
- 4
模型持久化
- 5
模型端点
- 6
测验 - Web 服务与持久化模型
- 7
部署Web端点
- 8
Gunicorn
- 9
Heroku
- 10
使用 Dash 构建交互式 Web 服务
- 11
测验 - Web 部署
- 12
结论：将模型作为Web端点
用于可复现模型的容器
- 1
容器作为可复现模型的简介
- 2
Docker
- 3
编排
- 4
AWS 容器注册表（ECR）
- 5
AWS 容器服务（ECS）
- 6
负载均衡
- 7
GCP 上的 Kubernetes
- 8
测验 - 容器
- 9
结论：将容器作为可复现的模型
将模型作为无服务器函数
- 1
模型即无服务器函数简介
- 2
托管服务
- 3
云函数（GCP）
- 4
回显服务
- 5
云存储（GCS）
- 6
模型函数
- 7
Keras 模型
- 8
访问控制
- 9
模型刷新（concept）
- 10
测验 - 托管服务
- 11
Lambda 函数（AWS）
- 12
回显函数
- 13
简单存储服务（S3）
- 14
模型函数
- 15
API 网关
- 16
测验 - Lambda 函数
- 17
结论
模型管道的工作流工具
- 1
模型管道工作流工具简介
- 2
Sklearn 工作流程
- 3
Cron
- 4
云定时任务
- 5
测验 - 工作流与调度
- 6
工作流工具
- 7
Apache Airflow
- 8
托管 Airflow
- 9
测验 - 工作流工具
- 10
结论：模型流水线的工作流工具
PySpark 用于批处理流水线
- 1
批处理管道中的 PySpark 简介
- 2
Spark 运行环境
- 3
Spark 集群
- 4
Databricks 社区版
- 5
暂存数据
- 6
测验 - Spark 环境
- 7
PySpark 入门指南
- 8
持久化数据框
- 9
转换数据框
- 10
数据转换（concept）
- 11
- Pandas UDF
- 12
- 最佳实践
- 13
测验 - PySpark
- 14
MLlib 批处理流水线
- 15
模型应用
- 16
分布式深度学习
- 17
分布式特征工程
- 18
测验 - PySpark中的机器学习
- 19
GCP 模型管道
- 20
- BigQuery 导出
- 21
GCP 凭据
- 22
模型管道
- 23
将 PySpark 产品化
- 24
测验 - GCP 模型管道
- 25
结论：模型管道的实用工具
用于批处理建模的 Cloud Dataflow
- 1
Cloud Dataflow 简介与批处理建模
- 2
Apache Beam
- 3
批量模型管道
- 4
模型训练
- 5
BigQuery 发布
- 6
数据存储发布（concept）
- 7
测验 - 数据流与批处理建模
- 8
结论：使用 Cloud Dataflow 进行批处理建模
流式模型工作流
- 1
流式模型工作流简介
- 2
Spark Streaming
- 3
Apache Kafka
- 4
Sklearn 流式处理 1
- 5
Sklearn 流式处理 2
- 6
数据流流式处理
- 7
发布-订阅（PubSub）
- 8
出生率流数据
- 9
测验 - 流式模型工作流
- 10
结论：流式模型工作流
课程总结
- 1
谢谢
Certificate of Completion
Showcase your accomplishment by sharing your certificate of completion.
Course Author:Anonymous User