スキップしてメイン コンテンツに移動

投稿

ラベル(#gcpugkobe)が付いた投稿を表示しています

[ML Study Jams Vol.4] Qwiklabs:AI Platform を使用したオンライン予測での scikit-learn モデル提供

Dialogflow で AI チャットボットを実装する URL  https://www.qwiklabs.com/focuses/1789?parent=catalog 内容:scikit-learn で機械学習モデルを構築しアプリケーションのモデルをリアルタイムで提供するラボ。「scikit-learn」って何?実際に機械学習モデルを構築したことがなかったので選択。 学習前に scikit-learn  機械学習のオープンソースライブラリ。「サイキット・ラーン」と読む。 AI Platform  GCPのサービスで大規模な機械学習モデルをトレーニングし、トレーニング済みモデルをクラウドでホストし、モデルを使用して新しいデータについて予測することが可能。 AI Platform Prediction サイズを問わず、あらゆる種類のデータに対して機械学習モデルを簡単に構築できるマネージド サービス。 実際のラボ [Agenda] モデルを作成してファイルに保存する 保存したモデルを Google Cloud Storage にアップロードする AI Platform でモデルリソースを作成する モデル バージョンを作成して、scikit-learn モデルをリンクする オンライン予測を行う 学習モデルをAI Platformにリリースして利用するまでの一連の流れを理解するには良いラボ pythonコードが出てくるが、基本理解していなくてもコピペで完結 可能であれば、コードも理解しておくとより、実践的であると思うが、軽く機械学習やAI Platformに触れたいという人にも向いているラボ

【勉強会】2019年1月31日『Mix Leap Study #32 - めっちゃわかるAIとKubernetes(GCPUG共催)』に参加した勝手な備忘録

日時:2019年1月31日 18:50~ 内容: Mix Leap Study #32 - めっちゃわかるAIとKubernetes(GCPUG共催) Kubernetes と Yahoo! JAPAN の取り組み 資料 kubernetes クバネテス kubernetes 3ヶ月に一度のマイナーバージョンアップ yahoo 200+ kubernetesクラスタを運用 kubernetes as a Service をZラボが提供 Linuxコンテナ システムの他の部分から分離されたプロセス。プロセスがシステムの他の部分に影響しないように隔離し、制限。 Docker コンテナの実行と管理を行うソフトウェア。ソフトウェアの開発を変えた。 イミュータブルでポータブルな性質だから、自動化・スケジューリングがしやすい。 kubernetesはポータブルである。⇒どの環境で動く kubernetesは成長している。⇒他のマネージドよりも利用者数が多い。 なぜkubernetesか?機能面 頻繁なデプロイに耐えられる非常に優れた機能を持つ 時間のかかるデプロイは問題があったときにの修正も遅れる。 頻繁なデプロイは問題もすぐ修正でき、リスク低 宣言的設定→以前は順番に変更(インストール・デプロイ)をしないといけなかったが、「のぞましい状態」を記述した設定ファイルを反映する。宣言的設定によるロールバック。 自己回復機能「セルフヒーリング」→障害時(ノードが死んでも)に自動回復する。 コンテナ中心のインフラ サーバリソースの隙間問題の解決 vmの抽象化に加えて、itインフラも抽象化(ロードバランサーや永続ストレージ) kubernetesオブジェクト ワークロードやITインフラをアプリケーション指向に抽象化したもの Pod 複数コンテナと、ボリューム。デプロイの最小単位 ReplicaSet コンテナの数を管理 Deployment デプロイを管理。内部的にはReplicaSetを使用。 Service 仮想IPとポートを持ち、ラベルセレクタによるPodのグルーピングを行う。Service名によるサービスディスカバリ。 minikube ローカル開発用クラスタ開発 アプリケーションを Kubernete...