В этой истории я разработал рабочий учебник по развертыванию модели, обученной библиотеке pycaret, на Google Cloud Platform.
PyCaret — это библиотека машинного обучения с открытым исходным кодом, с минимальным объемом кода на языке Python, которая позволяет перейти от подготовки данных к развертыванию модели за считанные секунды в выбранной вами среде ноутбука.[источник]
PyCaret — это фреймворк autoML для гражданских специалистов по данным, который используется в его официальной документации и на домашней странице. Это относительно новая библиотека, выпущенная несколько месяцев назад для общего пользования и все еще находящаяся в активной разработке. Изучив некоторый исходный код, я понял, что в текущем общедоступном выпуске отсутствует поддержка развертывания обученных/доработанных моделей в Google Cloud Platform. Хотя он поддерживает развертывание на веб-сервисах Amazon.
Принимая во внимание широкое использование GCP в качестве облачного сервиса, я попытался добавить руководство по развертыванию обученной модели с помощью pycaret в облаке Google. Я убедился, что структура кода аналогична развертыванию нативной библиотеки aws, поэтому ее можно будет интегрировать с библиотекой позже.
Ниже приведен блокнот Google Colab с примером регрессии и использованием модели Light GBM.
Сборка с помощью pycaret: развертывание с помощью GCP
Если вам нравится этот блокнот, не стесняйтесь делиться им, улучшать и использовать его для своих будущих проектов.
Я хотел бы поблагодарить команду pycaret за усилия по созданию библиотеки.
