项目概况
在这个项目(使用AWS和Kubernetes进行大规模微服务)中,我应用了在本课程中获得的技能来运行机器学习微服务API,并且在所有项目工作中都使用了AWS cloud9 IDE。
有一个经过预先训练的sklearn模型,已经过训练,可以根据几个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通行性的数据,师生比例等等。要了解有关数据的更多信息,该数据最初来自Kaggle,位于。该项目测试了在提供的文件app.py中运行Python flask应用程序的能力,该文件通过API调用提供了有关房价的预测(推断)。该项目可以扩展到任何预先训练的机器学习模型,例如用于图像识别和数据标记的模型。
项目任务
该项目的目标是使用来运行这种工作的机器学习微服务,这是一个用于自动化容器化应用程序管理的开源系统。在此项目中,将应用以下概念:
使用linting测试您的项目代码
完成一个Do