Deploying-a-Scalable-ML-Pipeline-in-Production

在生产中部署可扩展的 ML 管道 概述 我开发了一个 CI/CD 管道来根据公开的人口普查局数据预测工资范围。 我创建了测试来监控机器学习管道。 然后，我使用 FastAPI 包部署了模型并创建了 API 测试。 使用 GitHub Actions 将测试合并到 CI/CD 框架中。 依赖关系 如果您还没有 conda，请下载并安装它。 使用提供的需求文件创建新环境，或 conda create -n [envname] "python=3.8" scikit-learn dvc pandas numpy pytest jupyter jupyterlab fastapi uvicorn -c conda-forge 通过 conda（“conda install git”）或通过 CLI 安装 git，例如 sudo apt-get git。 初始化 Git 和 DVC。 不断提