在本課程中，你將發現一種利用無伺服器運算原理，將各種機器學習模型部署到營運環境中的可擴充、成本效益高且快速的方法。
一旦你將訓練有素的機器學習模型部署到雲端，服務供應商(本課程中的 AWS)將負責管理伺服器基礎設施、做自動化擴充、監視、安全更新和日誌記錄。
你將使用免費的 AWS 資源，這些資源足夠你完成整個課程。
通過接下來的課程講座，你將瞭解亞馬遜網路服務，特別是 Lambda、API Gateway、S3、CloudWatch 和其他。
課程將介紹各種現實生活中的用例，這些用例部署了不同種類的機器學習模型，如 NLP、深度學習電腦視覺或迴歸模型。將使用不同的 ML 框架 – scikit-learn、 spaCy、 Keras/Tensorflow – 並展示如何為 AWS Lambda 準備這些框架。你還將學習易於使用和有效的無伺服器框架，這使得 Lambda 的建立和部署非常容易。
雖然這個課程並沒有太多關於訓練和微調機器學習模型的技術，但是在 Jupyter Notebook 中會有一些訓練模型和使用預先訓練過的模型的例子。
https://softnshare.com/deploy-serverless-machine-learning-models-to-aws-lambda/
aws lambda介紹 在 [心得] 實務經驗分享-AWS Lambda & RDS 整合探討 的美食出口停車場
https://youtu.be/NRpLW8QIe5o
這是個互動式的系列教學影片，每個主題將會分成兩部分：
1. 第一部分會跟大家呈現實務上遇到的問題，讓大家一起討論並思考可行的解決方案。
2. 第二部分會跟大家分享當初我選擇的解決方案，可能不是最佳解，但相信也能促進大
家不同面向的思考！
這次要來探討的架構圖：
之前工作上為了處理批次作業，且想要盡量減少server維運成本，而有了這次的架構。
但實作之後，發現了一些當初沒有預想到的問題。
我還滿珍惜這些實務上的經驗，就是遇到這些意外狀況，
讓我有機會去思考多種解決方案，這樣的過程都非常有趣。
這次想透過這樣的互動形式，讓大家一起討論看看如果是你/妳會建議怎麼解決！
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.12.45.7 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1581941716.A.BB9.html
"A surge of connections or a large number of open connections could strain
your database server, leading to slower queries and limited application
scalability. By pooling and sharing already established database connections,
RDS Proxy allows you to efficiently scale to many more connections from your
serverless application."
documentation:
https://aws.amazon.com/tw/rds/proxy/ (still in preview 2020.02.19)
a clear overview of this solution:
... <看更多>