Seldon Core 是一个用于在 Kubernetes 上部署机器学习模型的开源平台。
机器学习部署面临许多挑战。 Seldon Core打算帮助应对这些挑战。它的高级目标是：
允许数据科学家使用任何机器学习工具包或编程语言创建模型。我们计划最初涵盖以下工具/语言：
Tensorflow模型
Sklearn模特
基于Python的模型包括
Spark模型
H2O模型
R模型
在部署时通过REST和gRPC自动公开机器学习模型，以便轻松集成到需要预测的业务应用程序中。
允许将复杂的运行时推理图部署为微服务。这些图可以包括：
模型 - 可执行机器学习模型的运行时推理
路由器 - 将API请求路由到子图。示例：AB测试，多武装强盗。
组合器 - 结合子图的响应。示例：模型集合
变形器 - 转换请求或响应。示例：转换要素请求。
处理已部署模型的完整生命周期管理：
更新运行时图表，无需停机
缩放
监控
安全
-
MLflow MLflow: the open-source platform for the machine leaning lifecycle, 管理machine learning整个生命周期的一款开源产品,主要提供了三种服务: MLflow Tracking: 记录并维护了machine learning的代码,数据,matrics,config,results…并结合UI展示 MLflo
-
平台列表 Google Cloud AI Cloud Machine Learning Engine 托管的机器学习服务 AutoML 自动化机器学习 机器学习API，如 Jobs, Video Intelligence, Vision, Speech, Natual Language 以及 Tanslation 等 Amazon Machine Learning SageMaker 自动化机器学
-
Python 有着海量的可用于数据分析、统计以及机器学习的库，这使得 Python 成为很多数据科学家所选择的语言。 下面我们列出了一些被广泛使用的机器学习及其他数据科学应用的 Python 包。 Scipy 技术栈 Scipy 技术栈由一大批在数据科学中被广泛使用的核心辅助包构成，可用于统计分析与数据可视化。由于其丰富的功能和简单易用的特性，这一技术栈已经被视作实现大多数数据科学应用的必备品了。
-
主要内容 前言 课程列表 推荐学习路线 数学基础初级 程序语言能力 机器学习课程初级 数学基础中级 机器学习课程中级 推荐书籍列表 机器学习专项领域学习 致谢 前言 我们要求把这些课程的所有Notes,Slides以及作者强烈推荐的论文看懂看明白，并完成所有的老师布置的习题，而推荐的书籍是不做要求的，如果有些书籍是需要看完的，我们会进行额外的说明。 课程列表 课程 机构 参考书 Notes等其他资
-
机器学习与人工智能学习笔记，包括机器学习、深度学习以及常用开源框架（Tensorflow、PyTorch）等。 机器学习算法 _图片来自scikit-learn_。 机器学习全景图 _图片来自http://www.shivonzilis.com/_。
-
机器学习与人工智能学习笔记，包括机器学习、深度学习以及常用开源框架（Tensorflow、PyTorch）等。
-
“三个臭皮匠顶个诸葛亮”。集成学习就是利用了这样的思想，通过把多分类器组合在一起的方式，构建出一个强分类器；这些被组合的分类器被称为基分类器。事实上，随机森林就属于集成学习的范畴。通常，集成学习具有更强的泛化能力，大量弱分类器的存在降低了分类错误率，也对于数据的噪声有很好的包容性。
-
从sklearn加载流行数字数据集。数据集模块，并将其分配给可变数字。 分割数字。将数据分为两组，分别命名为X_train和X_test。还有，分割数字。目标分为两组Y_训练和Y_测试。 提示：使用sklearn中的训练测试分割方法。模型选择；将随机_状态设置为30；并进行分层抽样。使用默认参数，从X_序列集和Y_序列标签构建SVM分类器。将模型命名为svm_clf。 在测试数据集上评估模型的准确
-
10点到3点半，中间停了一个半小时，面完人都傻了，真遭不住...... 一面 基本就围绕实验室项目聊了好久，中间穿插问了几个强化学习算法原理 然后问了深度学习和pytorch 几个简单的点 手撕：一个数组，对每个数可以给+ 或者-号，问有多少种情况可以和为target 二面 基本也是就围绕实验室项目聊了好久 然后再聊了好久Tcmalloc 手撕：一个无序数组，然后把它变成a <= b >= c <