原文：
www.kdnuggets.com/back-to-basics-bonus-week-deploying-to-the-cloud
图片由作者提供
KDnuggets 团队希望您享受‘回到基础’系列课程。为了结束这一系列，我们为那些愿意额外努力、扩展知识的人准备了一个奖励周。
1. Google 网络安全证书 - 快速进入网络安全职业生涯
2. Google 数据分析专业证书 - 提升您的数据分析技能
3. Google IT 支持专业证书 - 支持您的组织进行 IT 工作
如果您还没看过，请查看：
-
第 1 周: Python 编程与数据科学基础
-
第 2 周: 数据库、SQL、数据管理和统计概念
-
第 3 周: 回到基础第 3 周: 机器学习入门
-
第 4 周: 高级主题与部署
进入奖励周，
-
奖励 1: 5 步入门 Google Platform
-
奖励 2: 将您的机器学习模型部署到 AWS 云端生产环境
奖励周 - 第一部分: 5 步入门 Google Cloud Platform
探索 Google Cloud Platform 的基础知识，从账户设置到模型部署，结合实际项目示例。
本文旨在提供一个逐步概述，帮助您入门 Google Cloud Platform (GCP) 以进行数据科学和机器学习。我们将概述 GCP 及其关键分析功能，演示账户设置，探索诸如 BigQuery 和 Cloud Storage 等重要服务，构建一个示例数据项目，并使用 GCP 进行机器学习。
无论您是 GCP 新手还是需要快速复习，请继续阅读，了解基础知识，迅速上手 Google Cloud。
奖励周 - 第二部分: 将您的机器学习模型部署到云端生产环境
学习一种简单的方法，将模型实时托管在 AWS 上。
AWS，即亚马逊网络服务，是许多企业用于存储、分析、应用、部署服务等的云计算服务平台。它利用多个服务以无服务器的方式支持业务，并采用按需付费方案。
机器学习建模活动也是 AWS 支持的活动之一。借助多个服务，建模活动可以得到支持，例如从开发模型到将其投入生产。AWS 展现了多功能性，这对需要扩展性和速度的业务至关重要。
本文将讨论如何将机器学习模型部署到 AWS 云中并投入生产。我们该如何做到这一点？让我们深入探讨。
就这些内容！
恭喜你完成《回到基础》系列的额外周。
KDnuggets 团队希望《回到基础》路径能为读者提供全面且结构化的数据科学基础掌握方法。
如果你喜欢《回到基础》系列，请在评论中告知我们，以便团队可以制作另一系列。也请提出建议！
尼莎·阿亚 是数据科学家、自由技术写作人、以及 KDnuggets 的编辑和社区经理。她特别感兴趣于提供数据科学职业建议或教程以及理论知识。尼莎涉及广泛的话题，希望探索人工智能如何有益于人类生命的延续。作为一个热心的学习者，尼莎致力于拓宽她的技术知识和写作技能，同时帮助他人。