用 Jupyter部署机器学习模型

文章预览

本文我们使用  Jupyter Notebook 将开发脚本转化为生产用的应用程序。 部署机器学习模型是开发与实际应用之间的桥梁。虽然数据科学家经常在 Jupyter Notebook 等环境中构建和测试模型，但将这些模型用于生产还需要几个额外的步骤。在本文我们将介绍从 Jupyter Notebook 中获取机器学习模型并将其部署到实时生产环境的完整过程。 为什么要部署模型？ 训练机器学习模型只是成功的一半。部署对以下方面至关重要： 实现实时预测：想想推荐引擎、欺诈检测或聊天机器人。 决策自动化：将人工智能与现有业务工作流程相结合。 使模型可访问：允许终端用户或应用程序通过应用程序接口或用户界面与模型进行交互。 今天我们一起探讨一下将机器学习模型从 Jupyter 部署到生产中的关键步骤。 1. 在 Jupyter Notebook中开发和训练模型 Jupyter Notebook 通常是实验和开发 ………………………………