Az Amazon SageMaker megtanulása - Második kiadás: A gépi tanulási modellek építésének, képzésének és telepítésének útmutatója fejlesztők és adattudósok számára

Olvasói vélemények

A Julien Simon által írt „Learn Amazon SageMaker (Second Edition)” című könyvről szóló kritikák kiemelik, hogy az Amazon SageMaker megértését és használatát segítő átfogó és gyakorlatias útmutató. Sok kritikus értékeli a könyv gyakorlatias megközelítését, áttekinthetőségét és terjedelmét, amely az adattudósok, elemzők és a gépi tanulás szerelmesei számára releváns témák széles körét öleli fel. Néhányan azonban megjegyzik, hogy a könyv bizonyos haladó témák és potenciális kihívások tekintetében rövid.

⬤ A SageMaker funkcióinak átfogó lefedettsége, gyakorlati gyakorlatokkal.
⬤ Kezdőbarát magyarázatok és lépésről lépésre történő útmutatások.
⬤ Értékes meglátások a költségek és a teljesítmény optimalizálásával kapcsolatban.
⬤ Hatékony mind a technikai, mind a nem technikai célközönség számára.
⬤ A szerző nagy tudással rendelkezik, és gördülékeny tanulási élményt nyújt.

⬤ Egyes fejezetekből hiányozhat a mélység és a részletesség bizonyos haladó témák esetében.
⬤ Rövid a lehetséges kihívások tárgyalása, amelyekkel a felhasználóknak szembe kell nézniük.
⬤ A SageMaker AWS-en kívüli használatára vonatkozó utasítások túl rövidek lehetnek.

(9 olvasói vélemény alapján)

Eredeti címe:

Learn Amazon SageMaker - Second Edition: A guide to building, training, and deploying machine learning models for developers and data scientists

Könyv tartalma:

Gyorsan építsen és telepítsen gépi tanulási modelleket az infrastruktúra kezelése nélkül, és növelje a termelékenységet a legújabb Amazon SageMaker funkciók, például a Studio, Autopilot, Data Wrangler, Pipelines és Feature Store segítségével

Főbb jellemzők:

⬤ Gépi tanulási modellek gyors építése, képzése és telepítése az Amazon SageMaker segítségével.

⬤ Optimalizálja modelljei pontosságát, költségeit és igazságosságát.

⬤ Elkészítsen és automatizáljon végponttól végpontig tartó gépi tanulási munkafolyamatokat az Amazon Web Services (AWS) szolgáltatásokon.

Könyv leírása:

Az Amazon SageMaker lehetővé teszi a gépi tanulási modellek gyors, méretarányos felépítését, betanítását és telepítését infrastruktúra kezelése nélkül. Segít Önnek a gépi tanulás problémájára összpontosítani és kiváló minőségű modelleket telepíteni azáltal, hogy kiküszöböli az ML-folyamat minden egyes lépésénél jellemzően felmerülő nehéz feladatokat. Ez a második kiadás segít az adattudósoknak és ML-fejlesztőknek, hogy felfedezzék az olyan új funkciókat, mint a SageMaker Data Wrangler, Pipelines, Clarify, Feature Store és még sok más.

Azzal kezdi, hogy megtanulja, hogyan használhatja a SageMaker különböző képességeit egyetlen eszközkészletként az ML kihívások megoldására, majd olyan funkciókkal foglalkozik, mint az AutoML, a beépített algoritmusok és keretrendszerek, valamint a saját kód és algoritmusok írása az ML modellek építéséhez. A könyv ezután megmutatja, hogyan integrálhatja az Amazon SageMaker-t népszerű mélytanulási könyvtárakkal, például a TensorFlow-val és a PyTorch-csal, hogy bővítse a meglévő modellek képességeit. Azt is látni fogja, hogy a munkafolyamatok automatizálásával hogyan juthat el gyorsabban, minimális erőfeszítéssel és alacsonyabb költséggel a termeléshez. Végezetül megismerkedhet a SageMaker Debuggerrel és a SageMaker Model Monitorral, amelyekkel felismerheti a minőségi problémákat a képzés és a termelés során.

Ennek az Amazon könyvnek a végére képes lesz az Amazon SageMaker használatát az ML munkafolyamatok teljes spektrumában alkalmazni, a kísérletezéstől, a képzéstől és a megfigyeléstől a skálázásig, a telepítésig és az automatizálásig.

Amit megtanulhat:

⬤ Jártas lesz az adatok annotálási és előkészítési technikáiban.

⬤ Az AutoML funkcióinak használata a gépi tanulási modellek AutoPilot segítségével történő létrehozásához és betanításához.

⬤ Modellek létrehozása beépített algoritmusok és keretrendszerek, valamint saját kód segítségével.

⬤ Tréningelje a számítógépes látás és a természetes nyelvfeldolgozás (NLP) modelljeit valós példák felhasználásával.

⬤ Fedje le a méretezés, a modell optimalizálása, a modell hibakeresése és a költségoptimalizálás képzési technikáit.

⬤ Telepítési feladatok automatizálása különböző konfigurációkban az SDK és számos automatizálási eszköz használatával.

Kinek szól ez a könyv:

Ez a könyv azoknak a szoftvermérnököknek, gépi tanulással foglalkozó fejlesztőknek, adattudósoknak és AWS-felhasználóknak szól, akik újak az Amazon SageMaker használatában, és szeretnének kiváló minőségű gépi tanulási modelleket készíteni anélkül, hogy az infrastruktúra miatt aggódnának. A könyvben tárgyalt fogalmak hatékonyabb megértéséhez szükséges az AWS-alapok ismerete. A gépi tanulás koncepcióinak és a Python programozási nyelvnek a szilárd ismerete szintén előnyös.