在生产中部署机器学习模型 |蟒蛇2021-1 ( Deployment of Machine Learning Models in Production | Python )

课程描述

在生产中部署机器学习模型 | Python 是在 AWS EC2 上使用 BERT、DistilBERT、FastText NLP 模型以及 Flask、uWSGI 和 NGINX 的机器学习模型文凭培训课程。 BERT 是一种预教授的语言呈现方法，这意味着我们在大量的文本集合（例如维基百科）上教授一个通用的语言理解模型，并最终将其用于自然语言处理任务（例如特定的回答问题）。 ） 我们用。 BERT 比其前身方法强大得多，因为它是无监督的，并且具有用于处理预训练自然语言的深度双向系统。

在生产中部署机器学习模型的内容 |您将学习 Python：

• 完整的自然语言处理程序
• 如何在 Google Colab 中使用 BERT
• 如何使用BERT对文本进行分类
• 扩展现成的机器学习模型
• 使用 Flask 改进和扩展机器学习模型
• 在 Ubuntu 和 Windows Server、AWS 中使用机器学习模型
• 了解 DistilBERT 和 BERT 之间的区别
• 优化您的自然语言处理代码
• 如何在 AWS 上开发和使用 FastText 模型
• 学习自然语言处理中的多标签和多类分类

课程规格

出版商：Udemy 讲师：Laxmi Kant 语言：英语 教育水平：入门到高级 课程数量：85 课时：9 小时 39 分钟

课程主题：

先修课程：

图片

样片

媒体错误：格式不受支持或来源未找到

安装指南

在 Extract 之后，用您最喜欢的播放器观看。
英文字幕
画质：720p