Deploy Machine Learning Models to Production: With Flask, Streamlit, Docker, and Kubernetes on Google Cloud Platform
Эта книга представляет собой практическое руководство по развертыванию моделей машинного обучения в промышленную эксплуатацию. Она охватывает полный цикл — от создания простого веб-интерфейса для модели до построения масштабируемых, отказоустойчивых систем на облачной платформе.
Вы изучите, как упаковывать модели в контейнеры с помощью Docker, создавать API на Flask и интерактивные дашборды на Streamlit. Отдельное внимание уделяется оркестрации контейнеров с помощью Kubernetes и развертыванию инфраструктуры на Google Cloud Platform (GCP).
Книга подходит для data scientists и ML-инженеров, которые хотят вывести свои модели за пределы ноутбуков и лабораторий. Она учит решать реальные проблемы продакшена: обеспечение отказоустойчивости, масштабируемости, мониторинга и безопасности ML-систем.
Читатель получит навыки работы с современным стеком технологий для ML-операционализации (MLOps), что является ключевым требованием для современных проектов в области искусственного интеллекта и анализа данных.
