جلد سخت سیاه و سفید
Product details
- Publisher : Packt Publishing (April 15, 2022)
- Language : English
- Paperback : 420 pages
- ISBN-10 : 1801811822
- ISBN-13 : 978-1801811828
کتاب Automated Machine Learning on AWS: Fast-track the development of your production-ready machine learning applications the AWS way
Automate the process of building, training, and deploying machine learning applications to production with AWS solutions such as SageMaker Autopilot, AutoGluon, Step Functions, Amazon Managed Workflows for Apache Airflow, and more
Key Features
- Explore the various AWS services that make automated machine learning easier
- Recognize the role of DevOps and MLOps methodologies in pipeline automation
- Get acquainted with additional AWS services such as Step Functions, MWAA, and more to overcome automation challenges
Book Description
AWS provides a wide range of solutions to help automate a machine learning workflow with just a few lines of code. With this practical book, you'll learn how to automate a machine learning pipeline using the various AWS services.
Automated Machine Learning on AWS begins with a quick overview of what the machine learning pipeline/process looks like and highlights the typical challenges that you may face when building a pipeline. Throughout the book, you'll become well versed with various AWS solutions such as Amazon SageMaker Autopilot, AutoGluon, and AWS Step Functions to automate an end-to-end ML process with the help of hands-on examples. The book will show you how to build, monitor, and execute a CI/CD pipeline for the ML process and how the various CI/CD services within AWS can be applied to a use case with the Cloud Development Kit (CDK). You'll understand what a data-centric ML process is by working with the Amazon Managed Services for Apache Airflow and then build a managed Airflow environment. You'll also cover the key success criteria for an MLSDLC implementation and the process of creating a self-mutating CI/CD pipeline using AWS CDK from the perspective of the platform engineering team.
By the end of this AWS book, you'll be able to effectively automate a complete machine learning pipeline and deploy it to production.
What you will learn
- Employ SageMaker Autopilot and Amazon SageMaker SDK to automate the machine learning process
- Understand how to use AutoGluon to automate complicated model building tasks
- Use the AWS CDK to codify the machine learning process
- Create, deploy, and rebuild a CI/CD pipeline on AWS
- Build an ML workflow using AWS Step Functions and the Data Science SDK
- Leverage the Amazon SageMaker Feature Store to automate the machine learning software development life cycle (MLSDLC)
- Discover how to use Amazon MWAA for a data-centric ML process
Who this book is for
This book is for the novice as well as experienced machine learning practitioners looking to automate the process of building, training, and deploying machine learning-based solutions into production, using both purpose-built and other AWS services. A basic understanding of the end-to-end machine learning process and concepts, Python programming, and AWS is necessary to make the most out of this book.
Table of Contents
- Getting Started with Automated Machine Learning on AWS
- Automating Machine Learning Model Development Using SageMaker Autopilot
- Automating Complicated Model Development with AutoGluon
- Continuous Integration and Continuous Delivery (CI/CD) for Machine Learning
- Continuous Deployment of a Production ML Model
- Automating the Machine Learning Process Using AWS Step Functions
- Building the ML Workflow Using AWS Step Functions
- Automating the Machine Learning Process Using Apache Airflow
- Building the ML Workflow Using Amazon Managed Workflows for Apache Airflow
- An Introduction to the Machine Learning Software Development Lifecycle (MLSDLC)
- Continuous Integration, Deployment, and Training for the MLSDLC
منابع کتاب کتاب Automated Machine Learning on AWS: Fast-track the development of your production-ready machine learning applications the AWS way
فرآیند ساخت، آموزش و استقرار برنامههای یادگیری ماشین برای تولید را با راهحلهای AWS مانند SageMaker Autopilot، AutoGluon، Step Functions، Amazon Managed Workflows for Apache Airflow و غیره بهطور خودکار انجام دهید.
ویژگی های کلیدی
- سرویسهای مختلف AWS را که یادگیری ماشین خودکار را آسانتر میکنند، کاوش کنید
- نقش متدولوژی های DevOps و MLOps در اتوماسیون خطوط لوله را بشناسید
- برای غلبه بر چالش های اتوماسیون با سرویس های اضافی AWS مانند Step Functions، MWAA و موارد دیگر آشنا شوید.
توضیحات کتاب
AWS طیف گسترده ای از راه حل ها را برای کمک به خودکارسازی گردش کار یادگیری ماشین تنها با چند خط کد ارائه می دهد. با این کتاب کاربردی، نحوه خودکارسازی خط لوله یادگیری ماشین را با استفاده از خدمات مختلف AWS خواهید آموخت.
یادگیری ماشین خودکار در AWS با مروری اجمالی از نحوه ظاهر خط لوله/فرایند یادگیری ماشین آغاز می شود و چالش های معمولی را که ممکن است هنگام ساخت خط لوله با آن مواجه شوید برجسته می کند. در سرتاسر کتاب، با راهحلهای مختلف AWS مانند Amazon SageMaker Autopilot، AutoGluon، و توابع مرحلهای AWS بهخوبی آشنا خواهید شد تا با کمک مثالهای عملی، فرآیند ML را بهطور خودکار انجام دهید. این کتاب به شما نشان میدهد که چگونه یک خط لوله CI/CD برای فرآیند ML بسازید، نظارت کنید و اجرا کنید و چگونه میتوان سرویسهای مختلف CI/CD در AWS را در یک مورد استفاده با کیت توسعه ابری (CDK) اعمال کرد. با کار کردن با سرویس های مدیریت شده آمازون برای Apache Airflow و سپس ایجاد یک محیط جریان هوای مدیریت شده، متوجه خواهید شد که فرآیند ML داده محور چیست. شما'
تا پایان این کتاب AWS، میتوانید به طور مؤثر خط لوله یادگیری ماشینی کامل را خودکار کرده و آن را در تولید مستقر کنید.
آنچه خواهید آموخت
- از SageMaker Autopilot و Amazon SageMaker SDK برای خودکارسازی فرآیند یادگیری ماشین استفاده کنید
- نحوه استفاده از AutoGluon برای خودکارسازی وظایف پیچیده ساخت مدل را بدانید
- از CDK AWS برای کدگذاری فرآیند یادگیری ماشین استفاده کنید
- ایجاد، استقرار و بازسازی خط لوله CI/CD در AWS
- یک گردش کار ML با استفاده از توابع مرحله AWS و Data Science SDK بسازید
- از فروشگاه ویژگی Amazon SageMaker برای خودکارسازی چرخه عمر توسعه نرم افزار یادگیری ماشین (MLSDLC) استفاده کنید.
- نحوه استفاده از Amazon MWAA برای فرآیند ML داده محور را کشف کنید
این کتاب برای چه کسی است
این کتاب برای مبتدیان و همچنین متخصصان باتجربه یادگیری ماشین است که به دنبال خودکارسازی فرآیند ساخت، آموزش، و استقرار راهحلهای مبتنی بر یادگیری ماشین در تولید، با استفاده از هر دو سرویس هدفمند و سایر خدمات AWS هستند. برای استفاده حداکثری از این کتاب، درک اولیه از فرآیند و مفاهیم یادگیری ماشینی، برنامه نویسی پایتون و AWS ضروری است.
فهرست مطالب
- شروع کار با یادگیری ماشین خودکار در AWS
- توسعه خودکار مدل یادگیری ماشین با استفاده از SageMaker Autopilot
- خودکارسازی توسعه مدل پیچیده با AutoGluon
- ادغام مداوم و تحویل مداوم (CI/CD) برای یادگیری ماشین
- استقرار مستمر یک مدل ML تولیدی
- خودکارسازی فرآیند یادگیری ماشین با استفاده از توابع مرحله ای AWS
- ساخت گردش کار ML با استفاده از توابع مرحله AWS
- خودکارسازی فرآیند یادگیری ماشین با استفاده از جریان هوای آپاچی
- ساخت گردش کار ML با استفاده از گردش کار مدیریت شده آمازون برای جریان هوای آپاچی
- مقدمه ای بر چرخه حیات توسعه نرم افزار یادگیری ماشین (MLSDLC)
- یکپارچه سازی، استقرار و آموزش مداوم برای MLSDLC
ارسال نظر درباره کتاب Automated Machine Learning on AWS: Fast-track the development of your production-ready machine learning applications the AWS way