Kafka в ml задачах |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2023-04-09 16:08 1. В данном видео кратко рассказываем про архитектуру брокера сообщений Kafka. Приводим примеры кейсов использования kafka в ml проектах. Пишем на python простейшие producer и consumer для отправки сообщений в kafka и считывания. 2. Решаем задачу регрессии на учебном датасете diabetes. Для решения задачи используем библиотеку sklearn. Сериализуеммодель с помощью библиотеки pickle. Выполняем подготовку для использования модели на учебном стенде. 3. Пишем новые producer и consumer для отправки нужных модели данных в kafka и их считывания. Десериализуем модель машинного обучения в consumer. Запускаем первую версию стенда, выводим предсказание модели на экран. 4. Завершаем сборку стенда с kafka, fastapi и базой данных PostgreSql. Kafka выступает в роли поставщика данных для модели машинного обучения. Модель машинного обучения вынесена в отдельный сервис на FastApi. Сервис имеет интерфейс RestAPI. Результат предсказания сохраняет consumer в базу данных PostgreSql. Источник: vk.com Комментарии: |
|