asddsf
- https://github.com/trainindata/dmlm-research-and-production
- https://www.udemy.com/course/deployment-of-machine-learning-models
- https://www.udemy.com/course/testing-and-monitoring-machine-learning-model-deployments
- Nainstalujte si Python 3.7
- Nainštalujte si prostredie Jupyter Notebook
pip install jupyter - Stiahnite si a rozbalte tento projekt (môžete ho naklonovať aj cez Git)
- V príkazovom riadku sa prepnite do adresára, kde ste si uložili projekt a spustite Jupyter Notebook
jupyter notebook
- 1.tyzden - Uvod do nasadenia modelov strojoveho ucenia, Prehlad roznych architektur strojoveho ucenia
- 2.tyzden - Proces analyza dat (Python notebook)
- 3.tyzden - Proces analyza dat (Python notebook), Reprodukovatelnost pri modeloch strojoveho ucenia
- 4.tyzden - Prevod kodu z vyskumneho prostredia na produkcny kod
- 5.tyzden - Prevod kodu z vyskumneho prostredia na produkcny kod
- 6.tyzden - Prevod kodu z vyskumneho prostredia na produkcny kod
- 7.tyzden - Spristupnenie vytvoreneho modelu pouzivatelom ako webovu aplikaciu
- 8.tyzden - Testovanie modelov strojoveho ucenia
- 9.tyzden - Testovanie modelov strojoveho ucenia + konzultacia k zadaniam
- 10.tyzden - Kontinualna integracia a nasadenie modelov strojoveho ucenia
- 11.tyzden - Nasadenie aplikacie na cloude, Kontajnerizacia aplikacie
- 12.tyzden - Kontrolny test
- 13.tyzden - Opravny test + odovzdavanie zadani