|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/deploy-de-aplicativos-python-na-google-cloud-platform/
课程评论：没有评论
课程名称：在 Google Cloud Platform 上部署 Python 应用程序 课程概述：本课程旨在帮助数据科学家掌握将机器学习模型投入生产的关键技能，使其能够在现实业务中产生实际影响。模型的创建固然重要，但将这些解决方案部署到真实环境中，让最终用户能够访问并与之互动，是实现其价值的关键。掌握这一过程使数据科学家能够确保解决方案的可扩展性、在动态环境中监控性能，并高效地与开发和运维团队协作。此外，深入理解从训练到云端部署的完整周期，增强了职业竞争力，使数据科学家能够成为从概念到运营交付实际价值的战略角色。 该课程是为开发者、机器学习爱好者以及希望在Google Cloud Platform (GCP) 上发布首个人工智能应用的专业人士而设计的。通过实践导向的学习，您将从训练卷积神经网络 (CNN) 进行图像分类开始，逐步学习如何将模型部署到可扩展的云服务中。课程内容包括对 GCP 主要服务的介绍，如 Google Compute Engine (GCE)、App Engine (GAE)、Kubernetes Engine (GKE)、Cloud Run 和 Cloud Functions，帮助您比较和选择最适合您的项目的解决方案。 在课程的初始阶段，您将准备本地环境：导入库（如 TensorFlow/Keras），训练和评估 CNN 模型，并创建一个简单的 Python 应用程序与训练好的模型集成。接下来，您将学习如何配置 GCP 并在不同服务上进行部署。本课程非常适合云计算初学者和希望将机器学习模型投入生产的专业人士。完成后，您将能够在云端发布一个功能齐全的图像分类网页应用，掌握从模型训练到在 Google 的专业服务中部署的完整开发周期。
Aprender a implementar modelos de machine learning em produção é uma habilidade crítica para cientistas de dados que desejam ir além da análise teórica e impactar negócios de forma prática. Enquanto a criação de modelos é essencial, é no deploy que essas soluções ganham vida, tornando-se acessíveis a usuários finais e integrando-se a sistemas reais. Dominar essa etapa permite que cientistas de dados garantam a escalabilidade de suas soluções, monitorem desempenho em ambientes dinâmicos e colaborem de forma eficiente com equipes de desenvolvimento e operações. Além disso, compreender o ciclo completo - do treinamento à disponibilização na nuvem - amplia a relevância profissional, posicionando o cientista de dados como um agente estratégico capaz de entregar valor tangível desde a concepção até a operação. Este curso introdutório é destinado a desenvolvedores, entusiastas de machine learning e profissionais de dados que desejam aprender a publicar suas primeiras aplicações de inteligência artificial na web utilizando a Google Cloud Platform (GCP). Com abordagem prática, você será guiado desde o treinamento de uma rede neural convolucional (CNN) para classificação de imagens até a implementação do modelo em serviços de nuvem escaláveis. O curso inclui uma introdução aos principais serviços da GCP, como Google Compute Engine (GCE), App Engine (GAE), Kubernetes Engine (GKE), Cloud Run e Cloud Functions, permitindo que você compare e escolha a melhor opção para seu projeto. Na primeira etapa, você preparará o ambiente localmente: importará bibliotecas (como TensorFlow/Keras), treinará e avaliará seu modelo de CNN, além de criar um aplicativo Python simples para integração com o modelo treinado. Em seguida, aprenderá a configurar a GCP e fazer deploy em diferentes serviços. Ideal para iniciantes em cloud computing e profissionais que desejam colocar modelos de machine learning em produção. Ao final, você terá publicado uma aplicação web funcional de classificação de imagens na nuvem, dominando o ciclo completo de desenvolvimento, desde o treinamento do modelo até a disponibilização em serviços profissionais da Google.
