使用 FastAPI 和 Angular 部署机器学习模型 _机器学习

文章插图

在本文中，我们将探讨如何为生产准备机器学习模型，并将其部署在简单的 Web 应用程序中。部署机器学习模型本身就是一门艺术。事实上，将机器学习模型成功投入生产超出了数据科学知识的范围，并且涉及许多软件开发和DevOps技能。你为什么要关心这一切？目前，数据科学团队中最有价值的角色之一是机器学习工程师。这个角色聚集了两全其美的精华。
这些工程师不仅知道如何将不同的机器学习和深度学习模型应用于适当的问题，还知道如何测试它们，验证它们并最终部署它们。拥有一个能够将机器学习模型投入生产的人对任何公司来说都是一笔巨大的资产。一般来说，这是Rubik's Code提供的主要服务类型。为了成为一名成功的机器学习工程师，你需要具备各种技能，而不仅仅是关注数据。实际上，为机器学习模型编写的代码量远小于支持测试和提供该模型的代码量。
MLOps，一个围绕这种需求构建的工程术语，正在成为一种新的趋势。这就是为什么在本文中，我们将重点介绍您需要了解的几种技术，以便构建一个用户想要的成功机器学习应用程序。本教程中提供的完整解决方案由两个组件组成：服务器端和客户端。这是基本的 Web 体系结构，其中客户端与应用程序的用户交互并将其发送到服务器端。服务器端执行数据处理，或者在本例中运行预测，并将结果返回到客户端，客户端将其呈现给用户。从本质上讲，在本文中，我们构建了一个可以用下图表示的小系统：

文章插图

MLOps，一个围绕这种需求构建的工程术语，正在成为一种新的趋势。这就是为什么在本文中，我们将重点介绍您需要了解的几种技术，以便构建一个用户想要的成功机器学习应用程序。本教程中提供的完整解决方案由两个组件组成：服务器端和客户端。这是基本的 Web 体系结构，其中客户端与应用程序的用户交互并将其发送到服务器端。服务器端执行数据处理，或者在本例中运行预测，并将结果返回到客户端，客户端将其呈现给用户。
为了涵盖所有内容，我们需要涵盖几个主题：