在這段影片中,你學到了如何使用 Docker 將機器學習模型容器化以便部署。你了解了 Docker 如何把你的模型及其相依套件打包成一個獨立單元,讓它能在不同環境中輕鬆執行。你也認識了 Dockerfile——這是一種包含建置映像檔指令的文字文件——以及為了將機器學習模型容器化所需遵循的一連串步驟。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
在本章一開始,你會進行任何機器學習專案的基礎階段:設計一個端到端的機器學習情境、進行探索性資料分析,以及資料準備。讀完本章後,你將扎實掌握機器學習專案的早期流程,從構思情境到將資料整理好,為後續處理與模型訓練做好準備。
本章將深入探討模型訓練與評估的關鍵流程。內容包含四個完整課程,重點涵蓋特徵工程、模型訓練、實驗記錄,以及模型評估等面向。
本章聚焦於模型部署這個在機器學習生命週期中至關重要的階段。從測試開始,接著介紹架構元件,特別著重於特徵儲存與模型登錄。之後,我們會進一步說明封裝與容器化。最後以持續整合與持續部署(CI/CD)概觀作結。
當前練習
在最後一章,你將學習模型監控的要點與細節,這是機器學習生命週期中的關鍵階段。