Мнение Многообещающие сквозные платформы машинного обучения: почему универсальные решения не всегда работают Важность настройки и гибкости в инфраструктуре машинного обучения В прошлом году мой почтовый ящик заполонили компании MLOps, пытающиеся продать свою универсальную инфраструктуру. Но не только там, по сравнению с доковидными годами, среди экспонентов на конференциях также доминировали платформы ML (Ops). Вы также можете найти много спама под каждой соответствующей статьей..

Я прошел через множество руководств, в которых предлагается создать прокси-сервер в package.json и подключить интерфейс и серверную часть вашего приложения. Но это не сработает, когда вы собираетесь работать в продакшене, потому что вы, очевидно, не будете использовать там localhost. Итак, как нам развернуть приложение, которое полностью построено (интерфейс и бэкэнд), но которое до сих пор работало на локальном хосте и, наконец, готово к производству. ХОРОШИЙ ВОПРОС!! Радуйтесь, что вы..