ML-Microservice-Kubernetes：使用Kubernetes操作机器学习微服务API资源-CSDN文库

共14个文件

sh：4个

txt：3个

dockerfile：1个

Python

需积分: 9 121 浏览量 2021-02-12 17:48:00 上传评论收藏 218KB ZIP 举报

资源推荐

资源详情

资源评论

Top-5-Machine-Learning-Risks:OWASP的5大机器学习风险[编辑| 编辑源代码的想法是建立所需的资源，以帮助软件安全社区了解机器学习的新兴技术及其与安全性的关系，向他们警告与使用ML相关的风险，并讨论防御技术。描述[编辑| 机器学习最近已在多个业务领域重新出现，成为一种功能强大的工具，尤其是当它用于大数据规模的预测分析时。当将这种技术用于欺诈检测，异常检测，行为分析等安全服务和应用程序时，它变得至关重要。

前五名机器学习风险 OWASP排名前5位的机器学习风险该想法是建立所需的资源，以帮助软件安全社区了解新兴的机器学习技术及其与安全性的关系，向他们发出有关使用ML的风险的警告，并讨论防御措施。技术。

ML-React-App-Template：这是用于创建机器学习应用程序的模板，其前端使用React开发，该React与Flask服务作为后端进行交互并进行预测

ML-React-App 这是一个模板，我们可以在该模板上构建一个React应用并调用端点进行预测。用法使用此存储库的完整指南： :

project-ml-microservice-kubernetes：Udacity纳米机器学习项目

在本项目中，您将应用在本课程中获得的技能来操作机器学习微服务API。您将获得一个经过预先训练的sklearn模型， sklearn模型已经过训练，可以根据一些功能来预测波士顿的房价，例如房屋中的平均房间和有关高速公路...

ml-microservice-kubernetes:使用docker和kubernetes实现微服务

在本项目中，您将应用在本课程中获得的技能来操作机器学习微服务API。您将获得一个经过预训练的sklearn模型， sklearn模型已经过训练，可以根据一些功能来预测波士顿的房价，例如房屋中的平均房间和有关高速公路...

project-ml-microservice-kubernetes:大胆项目4

在此处包括CircleCI状态徽章>项目概况在本项目中，您将应用在本课程中获得的技能来操作机器学习微服务API。您将获得一个经过预先训练的sklearn模型， sklearn模型已经过训练，可以根据一些功能来预测波士顿的房价，...

ml-microservices-k8s：Kubernetes上的机器学习微服务

Kubernetes上的机器学习微服务CircleCI持续集成状态：项目概况在本项目中，您将应用在本课程中获得的技能来操作机器学习微服务API。您将获得一个经过预先训练的sklearn模型， sklearn模型已经过训练，可以根据一些...

Apache-pyspark-hadoop-using-databricks:说明使用pyspark执行的一些基本活动，并使用MLlib API执行一些机器学习（ML）算法

Apache-pyspark-hadoop使用数据块说明使用pyspark执行的一些基本活动，并使用MLlib API执行一些机器学习（ML）算法发布在此存储库上的笔记本是使用databricks开发的，databricks是spark创始人创建的一个开源平台，您可以选择以下提到的其他平台： 1）在虚拟机/本地机上使用ubuntu（或） 2）AWS EC2（或） 3）AWS EMR（或）

ASD-ML-API：该项目有3个目标：通过TPOT库，找到使用遗传算法预测ASD病例的最佳机器学习管道。（分类问题）使用标准的Naive-Bayes分类器比较所确定管道的准确性。将分类器另存为外部文件，并在Flask API中使用此文件在云中进行预测

ASD_Detect 该Android应用程序用于演示RapidML的用例。它使用创建的 Python库的Web API创建和对Android应用的创建。引用我们！如何使用：将APK（ASD_Detection_Application.apk）文件下载到您的计算机上将APK转移到您的Android设备导航到APK文件传输到的目录，但在您的Android设备上。点击APK文件。

ml-workflow-automation：Python机器学习（ML）项目，演示了Jupyter笔记本中的原型ML工作流程，并在Kubernetes上将模型自动部署为RESTful服务

自动化原型机器学习工作流程和模型部署该存储库包含一个基于Python的机器学习（ML）项目，其主要目的是演示Jupyter笔记本中的原型ML工作流程，以及使用托管的Titanic二进制分类数据集来实现一些关键步骤自动化的概念验证思想。在。 ML工作流程包括：数据探索和可视化，特征工程，模型训练和选择。笔记本titanic-ml.ipynb还会产生一个持久的预测管道（被分配到models目录），

AWS18_Innovate_如何使用 EMR，Spark ML 与 Zeppelin 搭建机器学习服务技术

进阶分析与机器学习 Predictive Analytic & ML • 运行于 Amazon EMR 的 Spark ML • 机器学习如何与 Amazon EMR Spark pipeline 整合应用 • 典型分析情境：客户流失率分析 • 进阶分析情境：搭建电影推荐平台

user-rights-ML:使用机器学习自动对隐私政策和服务条款进行评级

用户权限-ML 使用机器学习自动对隐私政策和服务条款进行评级。我正在将朴素贝叶斯分类器应用于隐私政策和服务条款中的一组条款，这些条款已被人群评为“好”、“坏”或“中性”。有各种不同的主题，分类器在每个主题的基础上工作。 category.py 脚本以版权条款为例，但同样的原则也适用于其他条款。数据取自，特别是 /points 中包含的内容。这可以使用 getpointsdata.py

Project-ML-Microservice-kubernetes

论文研究-ML-TEA：一套基于机器学习和技术分析的量化投资算法.pdf

论文研究-ML-TEA：一套基于机器学习和技术分析的量化投资算法.pdf, 量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易，并从中获取超额收益，是系统工程在...

ml-surveys：:clipboard:概述机器学习进展的调查论文

ml-surveys：:clipboard:概述机器学习进展的调查论文

Coursera-ML-AndrewNg-Notes：吴恩达老师的机器学习课程个人笔记

Coursera-ML-AndrewNg-Notes：吴恩达老师的机器学习课程个人笔记

java查看spring源码-cqrs-microservice-sampler:使用SpringBoot、Axon和Docker的Java微

java查看spring源码#微服务与 Docker、Spring Boot、Spring Cloud 和 Axon 这是关于如何构建由多个协作微服务组成的 CQRS 微服务应用程序的重要演示。它将以下所有元素组合在一起以生成一个逻辑应用程序 - 一个简单...

jetson：Helmut Hoffer von Ankershoffen在基于ARM64的NVIDIA Jetson（Nano和AGX Xavier）边缘设备上进行了试验，这些边缘设备运行Kubernetes（K8）进行机器学习（ML），包括Jupyter笔记本，TensorFlow培训和TensorFlow Serving（使用CUDA进行智能物联网）

适用于Kubernetes（K8）的NVIDIA Jetson Nano和NVIDIA Jetson AGX Xavier和适用于智能IoT的机器学习（ML）使用运行（K8）的基于的（Nano和AGX Xavier） Experimenting ，以进行（ML），包括，和使用进行。作者：提示：将NVIDIA Jetson ，TX1，TX2或用作边缘设备。假设用于开

awesome-AI-kubernetes：针对AI，深度学习，机器学习，计算机视觉，数据科学，数据分析和认知计算的强大工具和库，这些工具和库都已经发布，可在Kubernetes和Docker上使用Python，R，Scala， Java，C＃，Go，Julia，C ++等

awesome-AI-kubernetes：针对AI，深度学习，机器学习，计算机视觉，数据科学，数据分析和认知计算的强大工具和库，这些工具和库都已经发布，可在Kubernetes和Docker上使用Python，R，Scala， Java，C＃，Go，Julia，...

udacity-cicd-az-ml-api:部署CI CD环境以操作机器学习微服务API

概述该项目包括两个主要部分： ... 设置了Azure管道以将Flask-ML-API连续部署为Azure Web App。 Azure Pipeline侦听来自github源控件（推送）的更改，然后执行脚本。执行以下步骤：建立工作使用P

机器学习微服务API的可操作性：使用kubernetes操作机器学习微服务

机器学习微服务API的可操作性该项目是Udacity Cloud Devops纳米学位计划的一部分。在该项目中，部署了一个容器化的Flas应用程序，以通过API调用提供有关房价的预测。使用经过训练的sklearn模型，可根据多种功能...

Operationalize-ML-Microservice-API

operationalize-a-ml-microservice-api

glass-classify-ml-knn:使用KNN算法为玻璃分类准备机器学习模型

玻璃分类-ml-knn 在此代码中，我们使用KNN算法准备了一个机器学习模型，根据以下区别特征，根据玻璃的类型对玻璃进行分类。我们还使用了网格搜索来进行算法调整，以找到针对该问题的最佳n_neighbours，并使用...

ml-training-api:异步机器学习模型训练的服务模板

ml-training-api 这是一个简单的python服务模板，用于异步训练机器学习模型。猎鹰+芹菜如何与Falcon，Celery和消息队列异步处理训练机学习模型的示例快速开始旋转容器： $ docker-compose up -d --build 打开...

PAAS-TA-API-GATEWAY-SERVICE-RELEASE:PAAS-TA-API-网关服务发布

PAAS-TA-API-网关服务发布 PaaS-TA API网关服务配置 api-gateway-server :: N台机器 api-gateway-service-broker :: 1台机器 mariadb :: 1台机器创建PaaS-TA API网关服务版本下载最新的API网关版本 $ git clone ...

收起资源包目录

ML-Microservice-Kubernetes-master.zip （14个子文件）

ML-Microservice-Kubernetes-master

app.py 2KB

Dockerfile 442B

run_kubernetes.sh 439B

upload_docker.sh 445B

requirements.txt 218B

model_data

housing.csv 48KB

boston_housing_prediction.joblib 665KB

make_prediction.sh 384B

output_txt_files

kubernetes_out.txt 495B

docker_out.txt 642B

.circleci

config.yml 1KB

Makefile 923B

README.md 2KB

run_docker.sh 291B

评论收藏

内容反馈

黄荣钦

粉丝: 33
资源: 4539

ML-Microservice-Kubernetes：使用Kubernetes操作机器学习微服务API

Capstone_Project：该项目使用Jenkins管道使用bluegreen部署策略将机器学习微服务API部署到Kubernetes集群

microservice-ML-API-kubernetes：使用kubernetes的机器学习微服务，这是一个用于自动化容器化应用程序管理的开源系统

Operationalize-a-Machine-Learning-Microservice-API:操作机器学习微服务API

ML-React-App-Template：这是用于创建机器学习应用程序的模板，其前端使用React开发，该React与Flask服务作为后端进行交互并进行预测

project-ml-microservice-kubernetes：Udacity纳米机器学习项目

ml-microservice-kubernetes:使用docker和kubernetes实现微服务

project-ml-microservice-kubernetes:大胆项目4

ml-microservices-k8s：Kubernetes上的机器学习微服务

Apache-pyspark-hadoop-using-databricks:说明使用pyspark执行的一些基本活动，并使用MLlib API执行一些机器学习（ML）算法

ml-workflow-automation：Python机器学习（ML）项目，演示了Jupyter笔记本中的原型ML工作流程，并在Kubernetes上将模型自动部署为RESTful服务

AWS18_Innovate_如何使用 EMR，Spark ML 与 Zeppelin 搭建机器学习服务技术

user-rights-ML:使用机器学习自动对隐私政策和服务条款进行评级

Project-ML-Microservice-kubernetes

论文研究-ML-TEA：一套基于机器学习和技术分析的量化投资算法.pdf

ml-surveys：:clipboard:概述机器学习进展的调查论文

Coursera-ML-AndrewNg-Notes：吴恩达老师的机器学习课程个人笔记

java查看spring源码-cqrs-microservice-sampler:使用SpringBoot、Axon和Docker的Java微

jetson：Helmut Hoffer von Ankershoffen在基于ARM64的NVIDIA Jetson（Nano和AGX Xavier）边缘设备上进行了试验，这些边缘设备运行Kubernetes（K8）进行机器学习（ML），包括Jupyter笔记本，TensorFlow培训和TensorFlow Serving（使用CUDA进行智能物联网）

awesome-AI-kubernetes：针对AI，深度学习，机器学习，计算机视觉，数据科学，数据分析和认知计算的强大工具和库，这些工具和库都已经发布，可在Kubernetes和Docker上使用Python，R，Scala， Java，C＃，Go，Julia，C ++等

udacity-cicd-az-ml-api:部署CI CD环境以操作机器学习微服务API

机器学习微服务API的可操作性：使用kubernetes操作机器学习微服务

Operationalize-ML-Microservice-API

operationalize-a-ml-microservice-api

glass-classify-ml-knn:使用KNN算法为玻璃分类准备机器学习模型

ml-training-api:异步机器学习模型训练的服务模板

PAAS-TA-API-GATEWAY-SERVICE-RELEASE:PAAS-TA-API-网关服务发布

最新资源