Data Science mit AWS

KAPITEL 9

Deployment von Modellen in die Produktion

In den vorangegangenen Kapiteln haben wir gezeigt, wie sich Modelle trainieren und optimieren lassen. In diesem Kapitel verlagern wir den Schwerpunkt von der Modellentwicklung innerhalb der Entwicklungsumgebung auf das Deployment von Modellen in der Produktion. Wir zeigen, wie sich Modelle deployen, optimieren, skalieren und überwachen lassen, sodass sie letztlich unsere Anwendungen und geschäftlichen Anwendungsfälle bedienen können.

In diesem Kapitel werden wir unser Modell einerseits für Vorhersagen, die in Echtzeit getroffen werden (Online), und anderseits für Batch-Vorhersagen (Offline) bereitstellen. Für Echtzeitvorhersagen deployen wir unser Modell über SageMaker Endpoints. Wir besprechen ...