|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/mnist-app/
课程评论：没有评论
**课程名称：Python 与 JavaScript 机器学习应用发布入门【ONNX・Render】** **课程概述：** 本课程面向对发布机器学习应用感兴趣的数据科学家、项目经理（PM）和产品经理（PdM）等。近年来，机器学习模型的创建变得越来越容易，但将个人开发的模型转化为可供他人在线推理的应用程序的情况却相对较少。本课程旨在解决这一痛点，教授如何使用 Python 和 JavaScript 实现机器学习 Web 应用，并将其发布到互联网上。 课程将以 MNIST 手写数字识别模型为例，演示如何将使用 Python scikit-learn 训练的模型导出为 ONNX 格式，并在 JavaScript 中进行推理。 **核心技术与关键词：** * **Git/GitHub:** 版本控制和代码协作。 * **Python:** 数据科学和机器学习模型开发。 * **JavaScript:** 前端用户界面和模型推理。 * **FastAPI:** Python 高性能 Web API 框架，用于后端服务。 * **scikit-learn:** 经典的 Python 机器学习库。 * **MNIST:** 用于手写数字识别的常用数据集。 * **ONNX (Open Neural Network Exchange):** 用于模型互操作性的开放格式。 * **Render:** 一站式云平台，用于轻松部署 Web 应用。 **主要学习内容：** 1. **构建机器学习模型：** 使用 Python 和 scikit-learn 训练一个基于 MNIST 数据集的模型。 2. **模型导出与转换：** 将训练好的 Python 模型转换为 ONNX 格式，以便跨语言使用。 3. **后端 API 开发：** 利用 FastAPI 框架构建一个 Python 后端 API，用于接收输入并调用 ONNX 模型进行推理。 4. **前端应用开发：** 使用 JavaScript 构建一个用户友好的 Web 前端，允许用户通过浏览器与模型交互（例如，上传手写数字图片）。 5. **前后端集成：** 连接前端和后端，实现完整的端到端应用。 6. **应用部署：** 使用 Render 平台将构建好的 Web 应用部署到互联网上，使其可供公共访问。 **更新历史：** * 2023/05/12：新增“（补充）asdf 的设置说明”。 * 2023/05/24：新增“（补充）poetry add 命令错误处理（'HTTPResponse' object has no attribute 'strict'）”。 本课程将帮助您将机器学习项目的实际应用落地，并掌握将模型部署到生产环境的关键技能。
近年、機械学習に入門するための情報源は非常に多くなっており、機械学習モデルの作成には気軽に取り組めるようになっています。個人でも、ちょっとしたモデルを作ってみて手元で推論してみたことがある方は少なくありません。しかし、個人が作ってみたモデルを、実際に推論を試せるアプリケーションとして「公開」している方は少ないです。また、企業においても、データサイエンティストが R & D 的に作成したモデルを実際のアプリケーションに組み込む段階で苦戦している例は多いです。そんな状況に対応するため、近年「MLOps」というキーワードも登場しています。このコースでは、機械学習を使ったアプリケーションの「公開」に興味があるデータサイエンティスト・PM・PdM といった方を主な対象者として、Python と JavaScript で機械学習を使った Web アプリケーションを実装し、実際にインターネット上に公開してみます。実装するのは MNIST で学習したモデルを使った「手書き数字推論アプリケーション」です。Python の scikit-learn で学習したモデルを ONNX 形式で出力して、他のプログラミング言語 (ここでは JavaScirpt) で推論を実行する例も学習します。キーワードGit/GitHub、Python、JavaScript、FastAPI、scikit-learn、MNIST、ONNX、Render更新履歴2023/05/12「（補足）asdf のセットアップについて」を追加2023/05/24「（追記）poetry add コマンドのエラーについて（'HTTPResponse' object has no attribute 'strict'）」を追加
