✏️ Что такое машинное обучение?

Машинное обучение — это изучение компьютерных алгоритмов, которые автоматически улучшаются благодаря опыту и использованию данных. Это рассматривается как часть искусственного интеллекта.

✏️ Что такое Docker?

Docker — это набор продуктов платформы как услуги, которые используют виртуализацию на уровне ОС для доставки программного обеспечения в пакетах, называемых контейнерами. Контейнеры изолированы друг от друга и содержат собственное программное обеспечение, библиотеки и файлы конфигурации; они могут общаться друг с другом через четко определенные каналы.

📍 Давайте посмотрим, как мы можем использовать код машинного обучения внутри контейнеров Docker:

В этом блоге я собираюсь использовать Linux (RHEL 8) в качестве операционной системы с пользователем root.

💎 1. Сначала мы запустим контейнер Docker с помощью команды «docker run -it --name ML centos:latest». Мы используем последнюю версию Centos в качестве образа для контейнера. Чтобы загрузить образ Centos, используйте команду «docker pull centos».

💎 2. Теперь установите python3 с помощью команды «yum install python3 -y».

💎 3. Теперь установите необходимые библиотеки для машинного обучения с помощью команды pip3. Такие библиотеки, как: pandas, scikit-learn. Для установки панд используйте «pip3 install pandas».

✒️ Мы можем скачать любую необходимую библиотеку Python и использовать ее. Для написания кода мы можем использовать редактор vi или редактор vim. Если редактор vim не установлен, мы можем загрузить его с помощью команды «yum install vim».

📌 Теперь я напишу программу машинного обучения для запуска внутри контейнера докеров.

💡 1. Я создам каталог с именем ML для написания нашей программы, и мы будем использовать файл Salary_Data.csv в качестве набора данных. Чтобы загрузить тот же набор данных: - https://github.com/AvijitD22/Summer-2021-Task-1

💡 2. Мы будем использовать редактор vi.

💡 3. Теперь напишем наш код машинного обучения. Вы посмотрите на код ниже. Ниже код: - https://github.com/AvijitD22/Summer-2021-Task-1

💡 4. Протестируем код. Для запуска кода используйте «python3 ML.py».

GitHub URL-адрес кода машинного обучения и набора данных: https://github.com/AvijitD22/Summer-2021-Task-1

Спасибо за прочтение🙏.