Публикации по теме 'google-cloud-platform'
XGBoost или TensorFlow?
И XGBoost, и TensorFlow - очень эффективные фреймворки для машинного обучения, но как узнать, какой из них вам нужен? Или, может быть, вам нужны оба?
В машинном обучении нет бесплатных обедов . Согласование конкретных алгоритмов с конкретными проблемами часто превосходит универсальный подход. Однако с годами сообщество специалистов по науке о данных накопило достаточно опыта для создания правил большого пальца для сопоставления определенных алгоритмов и типичных задач.
В этом..
Создание веб-приложения машинного обучения, интегрирующего FastAPI с GCP и Docker Python.
Машинное обучение произвело революцию в различных отраслях, позволив принимать интеллектуальные решения на основе анализа данных. По мере того как модели машинного обучения становятся все более распространенными, спрос на удобные веб-приложения для взаимодействия с этими моделями значительно вырос. В этой статье мы рассмотрим, как создать полнофункциональное веб-приложение для машинного обучения путем интеграции FastAPI с Google Cloud Platform (GCP) и Docker. Эта интеграция обеспечивает..
Как использовать Vertex AI для специалистов по данным
Итак, вы только что провели выходные, читая потрясающую исследовательскую работу, а также убедили руководителя отдела данных в вашей команде, что вы можете приступить к ее внедрению как можно скорее!
По привычке вы запускаете свой любимый редактор и начинаете программировать, модель именно то, что вам нужно, с небольшими изменениями для бумаги. Ваши тесты сработали, и теперь все, что вам нужно сделать, это развернуть модель для данных о клиентах с планом каким-то образом вытащить ваши..
Настройка экземпляра Jupyter Lab на облачной платформе Google
Google Cloud Platform — очень простой способ доступа к экземпляру Jupyter Lab через платформу AI Google Cloud.
Однако в настоящее время экземпляры Jupyter Lab доступны не для всех регионов. На данный момент при написании этой статьи экземпляры не могут быть созданы для региона Мумбаи (asia-south1), и это приводит к проблемам, поскольку данные, которые необходимо проанализировать, находятся в регионе Мумбаи (asia-south1). Следовательно, у нас есть 2 варианта: либо создать ноутбук в..
Проект инженерии данных — Анализ фильмов IMDB
Введение
В этой статье я создам конвейер данных для передачи и анализа данных фильмов с IMDb.
Конвейер данных будет создан с использованием следующих инструментов:
Прием данных : веб-скрапинг из IMDB с использованием Python Хранение данных : Google BigQuery Анализ данных : DBT Визуализация данных : Power BI Организация данных : Apache Airflow Развертывание контейнера : Docker
Проект будет иметь следующую структуру:
Проверьте мой репозиторий git для получения..
Использование Google Places API для поиска лучшей пиццы в вашем городе | Часть 1. Сбор данных
Это серия из двух частей, посвященная сбору данных, выработке идей и визуализации результатов. В этой первой части мы сосредоточимся на сканировании всех пиццерий в нашем городе с соответствующими подробностями и отзывами.
Найти отличное место, где можно поесть, может быть сложной задачей, особенно если вы новичок в городе и у вас нет сети друзей, на которых можно положиться в плане рекомендаций. В таких ситуациях часто приходится ориентироваться в огромном кулинарном ландшафте либо путем..
Облачные сервисы Google для больших данных
В этой статье мы рассмотрим сервисы Google Cloud, которые могут помочь вам создавать отличные приложения для больших данных.
Google Cloud Platform предоставляет множество различных сервисов, которые покрывают все популярные потребности в данных и приложениях для больших данных. Все эти сервисы интегрированы с другими продуктами Google Cloud, и у всех есть свои плюсы и минусы. В этой статье мы рассмотрим, какие услуги GCP может предложить для данных и приложений Big Data, что они делают,..
