描述：
在本课程中，您将学习如何使用各种技术来部署机器学习模型。
您将学到的内容：
机器学习深度学习模型部署技术
使用Scikit-Learn，TensorFlow和PyTorch进行简单模型构建
在云实例上部署机器学习模型
TensorFlow从PyTorch模型提供服务和提取权重
为机器学习模型创建无服务器REST API
部署tf-idf和文本分类器模型用于Twitter情绪分析
使用TensorFlow js和JavaScript
机器学习实验进行部署模型以及使用MLflow进行部署
类型：在线学习| MP4 | 视频：h264，1280×720 | 音频：aac，44100 Hz
语言：英语| 大小：1.62 GB | 时长：4h 1m
要求具有先决条件的
机器学习和深度学习背景，但不是必须具备的背景，因为我们还将介绍模型构建过程
课程结构：
建立模型
保存模型
将模型导出到另一个环境
创建REST API并在本地使用
在云虚拟服务器上创建机器学习REST API
使用Cloud Functions创建无服务器机器学习REST API
使用TensorFlow服务部署TensorFlow和Keras模型
部署PyTorch模型
使用ONNX将PyTorch模型转换为TensorFlow格式
为Pytorch和TensorFlow模型创建REST API
部署tf-idf和文本分类器模型以进行Twitter情感分析
使用TensorFlow.js和JavaScript部署模型
使用MLfLow跟踪模型训练实验和部署
本课程将介绍使用Scikit-learn构建Python基础知识和机器学习模型。您还将学习如何使用TensorFlow Keras和PyTorch构建和部署神经网络。需要Google Cloud（GCP）免费试用帐户才能试用针对云环境设计的一些实验室。
本课程的对象：
机器学习初学者
