Livro de receitas de aprendizagem automática com Python, 2ª edição

Capítulo 23. Guardar, carregar e servirmodelos treinados

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

23.0 Introdução

Nos últimos 22 capítulos e cerca de 200 receitas, abordámos a forma de obter dados em bruto e utilizar a aprendizagem automática para criar modelos preditivos com bom desempenho. No entanto, para que todo o nosso trabalho valha a pena, precisamos de fazer algo com o nosso modelo, como integrá-lo numa aplicação de software existente. Para atingir esse objetivo, precisamos ser capazes de salvar nossos modelos após o treinamento, carregá-los quando forem necessários para uma aplicação e, em seguida, fazer solicitações a essa aplicação para obter previsões.

Os modelos de ML são normalmente implementados em servidores Web simples e concebidos para receber dados de entrada e apresentar previsões. Isto torna o modelo disponível para qualquer cliente na mesma rede, pelo que outros serviços (como UIs, utilizadores, etc.) podem utilizar o modelo de ML para fazer previsões onde quer que estejam em tempo real. Um exemplo de caso de utilização seria a utilização de ML para pesquisa de itens num sítio Web de comércio eletrónico, em que seria fornecido um modelo ML que recebe dados sobre utilizadores e listagens e devolve uma probabilidade de o utilizador comprar essa listagem. Os resultados da pesquisa têm de estar disponíveis em tempo real e disponíveis para a aplicação de comércio eletrónico que é ...