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
定义预测端点
这部分内容有帮助吗？
- Flask Documentation: Quickstart - Routing, Pallets, 2024 - Flask官方指南，介绍如何使用@app.route()装饰器定义URL路由并将其与Python函数关联。
- Building Machine Learning Powered Applications: Going from Idea to Product, Emmanuel Ameisen, 2020 (O'Reilly Media) - 为部署机器学习模型提供实用指导，包括创建用于预测服务的API端点。
- Hypertext Transfer Protocol (HTTP/1.1): Semantics and Content (RFC 7231), R. Fielding, Ed., J. Reschke, Ed., 2014 Internet Engineering Task Force (IETF) (IETF Trust) - HTTP方法（如GET和POST）的权威规范，解释其语义和适用于Web通信的场景。