کتاب Practical MLOps: Operationalizing Machine Learning Models 1st Edition

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 5,400,000 ریال

قیمت: 5,000,000 ریال

Product details

Publisher ‏ : ‎ O'Reilly Media; 1st edition (October 5, 2021)
Language ‏ : ‎ English
Paperback ‏ : ‎ 460 pages
ISBN-10 ‏ : ‎ 1098103017
ISBN-13 ‏ : ‎ 978-1098103019

Available at a lower price from other sellers that may not offer free Prime shipping.

Getting your models into production is the fundamental challenge of machine learning. MLOps offers a set of proven principles aimed at solving this problem in a reliable and automated way. This insightful guide takes you through what MLOps is (and how it differs from DevOps) and shows you how to put it into practice to operationalize your machine learning models.

Current and aspiring machine learning engineers--or anyone familiar with data science and Python--will build a foundation in MLOps tools and methods (along with AutoML and monitoring and logging), then learn how to implement them in AWS, Microsoft Azure, and Google Cloud. The faster you deliver a machine learning system that works, the faster you can focus on the business problems you're trying to crack. This book gives you a head start.

You'll discover how to:

Apply DevOps best practices to machine learning
Build production machine learning systems and maintain them
Monitor, instrument, load-test, and operationalize machine learning systems
Choose the correct MLOps tools for a given machine learning task
Run machine learning models on a variety of platforms and devices, including mobile phones and specialized hardware

منابع کتاب کتاب Practical MLOps: Operationalizing Machine Learning Models 1st Edition

با قیمت پایین‌تری از سایر فروشندگانی که ممکن است ارسال رایگان Prime را ارائه ندهند، موجود است.

تولید مدل های شما چالش اساسی یادگیری ماشینی است. MLOps مجموعه ای از اصول اثبات شده را با هدف حل این مشکل به روشی قابل اعتماد و خودکار ارائه می دهد. این راهنمای آموزنده شما را از چیستی MLOps (و تفاوت آن با DevOps) می‌آموزد و به شما نشان می‌دهد که چگونه آن را برای عملیاتی کردن مدل‌های یادگیری ماشین خود در عمل به کار ببرید.

مهندسان فعلی و مشتاق یادگیری ماشین - یا هر کسی که با علم داده و پایتون آشنا باشد - پایه‌ای در ابزارها و روش‌های MLOps (همراه با AutoML و نظارت و ثبت‌نام) ایجاد خواهند کرد، سپس نحوه پیاده‌سازی آنها را در AWS، Microsoft Azure و Google Cloud. هرچه سریع‌تر سیستم یادگیری ماشینی را ارائه دهید که کار می‌کند، سریع‌تر می‌توانید روی مشکلات تجاری که می‌خواهید از بین ببرید تمرکز کنید. این کتاب به شما یک شروع عالی می دهد.

شما کشف خواهید کرد که چگونه:

بهترین شیوه های DevOps را در یادگیری ماشینی اعمال کنید

سیستم های یادگیری ماشینی تولید بسازید و آنها را حفظ کنید

سیستم‌های یادگیری ماشین را نظارت، ابزار، بارگذاری و عملیاتی‌سازی کنید

ابزارهای MLOps صحیح را برای یک کار خاص یادگیری ماشین انتخاب کنید

مدل های یادگیری ماشینی را بر روی پلتفرم ها و دستگاه های مختلف، از جمله تلفن های همراه و سخت افزارهای تخصصی اجرا کنید