文件名称：amazon-sagemaker-mlops-workshop:SageMaker进行的机器学习操作研讨会
文件大小：1.47MB
文件格式：ZIP
更新时间：2024-05-19 12:39:00
JupyterNotebook
Amazon Sagemaker MLops（使用经典CI / CD工具）研讨会 带有SageMaker和CodePipeline的机器学习操作研讨会：实验室指南和材料。 介绍 数据科学家和ML开发人员不仅需要Jupyter笔记本，还需要以可靠，灵活的方式创建ML模型，对其进行测试，将其投入生产并将其与门户网站和/或基本的Web /移动应用程序集成。 在开始为实际业务案例开发ML模型时，应考虑两个基本问题： 您的组织需要多长时间才能部署涉及一行代码的更改？ 您可以在可重复的，可靠的基础上执行此操作吗？ 因此，如果您对自己的答案不满意，则MLOps是可以帮助您的概念：a）创建或改善应用于ML的CI / CD的组织文化； b）创建将支持您的流程的自动化基础架构。 在本研讨会中，您将看到如何使用称为的传统CI / CD工具创建/操作自动ML管道，以协调ML工作流。 在练习中，您将看到
【文件预览】：
amazon-sagemaker-mlops-workshop-master
----CONTRIBUTING.md(4KB)
----CODE_OF_CONDUCT.md(311B)
----LICENSE(931B)
----lab()
--------03_TestingHacking()
--------01_CreateAlgorithmContainer()
--------00_Warmup()
--------02_TrainYourModel()
----.github()
--------PULL_REQUEST_TEMPLATE.md(197B)
----README.md(12KB)
----imgs()
--------CloudWatchC.png(421KB)
--------crisp.png(47KB)
--------CloudWatchB.png(342KB)
--------MLOps_BuildImage.jpg(43KB)
--------eyecatch_sagemaker.png(43KB)
--------MLOps_Train_Deploy_TestModel.jpg(150KB)
--------cloudformation-launch-stack.png(4KB)
--------CloudWatchA.png(179KB)
--------cloudformationStacks.png(225KB)
--------MLOps_Train_Deploy_TestModel.png(150KB)