文件名称：Deploying-Machine-Learning-Models-
文件大小：6KB
文件格式：ZIP
更新时间：2024-04-21 09:22:49
JupyterNotebook
使用Flask为初学者部署机器学习模型 当数据科学家/机器学习工程师使用Scikit-Learn，TensorFlow，Keras，PyTorch等开发机器学习模型时，最终目标是使其投入生产。 通常，在进行机器学习项目时，我们将重点放在探索性数据分析（EDA），功能工程，超参数调整等方面。但是，我们往往忘记了我们的主要目标，即从模型中提取实际价值预测。 部署机器学习模型或将模型投入生产意味着将模型提供给最终用户或系统。 但是，机器学习模型的部署存在复杂性。 该新手训练营旨在使您开始使用Flask API将训练有素的机器学习模型投入生产。 我们将在bboot营中处理的一些项目包括： 1）。 使用线性回归通过利率和前两个月的销售额来预测第三个月的销售额。 2）。 3）。 我们将使用的工具和技术： HTML，CSS和JavaScript 脾气暴躁的 大熊猫 斯克莱恩 Herok
【文件预览】：
Deploying-Machine-Learning-Models--main
----flask()
--------.ipynb_checkpoints()
--------application.ipynb(2KB)
----README.md(1KB)
----pandas()
--------.ipynb_checkpoints()
--------Introduction to pandas.ipynb(72B)
----numpy()
--------.ipynb_checkpoints()
--------Introduction to numpy.ipynb(72B)
----sklearn()
--------.ipynb_checkpoints()
--------Introduction to sklearn.ipynb(72B)