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
为什么要部署机器学习模型？
这部分内容有帮助吗？
- Machine Learning Design Patterns, Valliappa Lakshmanan, Sara Robinson, Michael Munn, 2021 (O'Reilly Media) - 提供构建和部署生产级机器学习系统的模式，强调操作化的必要性。
- Machine Learning Engineering for Production (MLOps) Specialization, Andrew Ng, 2021 (DeepLearning.AI (on Coursera)) - 一门全面的课程，涵盖机器学习的整个生命周期，包括部署模型以持续创造价值的操作必要性及方法。
- Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications, Chip Huyen, 2022 (O'Reilly Media, Inc.) - 讨论如何设计能够有效部署和维护在生产环境中的稳健机器学习系统。