趋近智
机器学习部署概论
章节 1: 模型部署入门
什么是机器学习部署？
为什么要部署机器学习模型？
机器学习工作流程概述
部署策略的类型 (简介)
模型部署中的挑战
章节 2: 为模型部署做准备
保存训练好的模型
模型序列化简介
使用 Pickle 保存模型
使用 Joblib 保存模型
处理模型依赖
保存预处理步骤
动手实践：保存和加载简单模型
章节 3: 使用 Flask 创建预测服务
什么是API？
Web框架简介
设置 Flask
构建一个基础的 Flask 应用
在 Flask 中加载已保存的模型
定义预测端点
处理输入数据 (JSON)
返回预测结果
在本地测试你的 API
动手实践：构建一个简单的Flask预测API
章节 4: Docker 容器化简介
什么是容器化？
Docker 入门
Docker 核心理念：镜像与容器
安装 Docker
编写一个简单的Dockerfile
为Flask应用构建Docker镜像
在 Docker 容器中运行应用
动手实践：容器化预测服务
模型部署中的挑战
这部分内容有帮助吗？
- Designing Machine Learning Systems: An Iterative Approach for Production-Ready AI, Chip Huyen, 2022 (O'Reilly Media) - 这本书全面指导如何设计和构建用于生产的机器学习系统，涵盖数据管理、模型部署、监控、可扩展性以及MLOps实践。
- Hidden Technical Debt in Machine Learning Systems, D. Sculley, Gary Holt, Daniel Golovin, Eugene Davydov, Todd Phillips, Dietmar Ebner, Vinay Chaudhary, Michael Young, Jean-François Crespo, Dan Dennison, 2015 Advances in Neural Information Processing Systems (NeurIPS), Vol. 28 (Neural Information Processing Systems Foundation, Inc. (NeurIPS)) - 这篇开创性论文强调了构建和维护生产机器学习系统的挑战，侧重于随时间累积的各种技术债务来源。
- MLOps: A Taxonomy of Challenges and Best Practices, David Kreuzer, Janek Belling, Matthias Neumüller, Oliver Niggl, and Andreas Bögl, 2022 IEEE Access, Vol. 10 (IEEE) DOI: 10.1109/ACCESS.2022.3216391 - 这篇论文对MLOps的挑战和最佳实践提供了最新且系统的概述，提供了一个涵盖机器学习开发和部署操作方面的分类体系。