Gépi tanulás mérnöki gyakorlatban

Olvasói vélemények

A könyvet nagyra értékelik az MLOps gyakorlati megközelítése miatt, amely egyértelmű útmutatást nyújt az adattudományi infrastruktúra felállításához és a gépi tanulási gyakorlatok hatékony végrehajtásához. Értékes kódpéldákat és valós életből vett, az ML mérnökök számára hasznos meglátásokat kínál.

⬤ Világos, tömör írás
⬤ értékes kódpéldák
⬤ átfogó útmutatás az ML-csővezetékek fejlesztéséhez
⬤ gyakorlati betekintés valós projektekből
⬤ az infrastruktúrától a telepítésig a témák széles skáláját öleli fel.

Jelentős hátrányt nem említettek; az olvasóknak azonban az ML elmélet előzetes ismereteire lehet szükségük ahhoz, hogy teljes mértékben ki tudják használni a tartalmat.

(5 olvasói vélemény alapján)

Eredeti címe:

Machine Learning Engineering in Action

Könyv tartalma:

Gyakorlatban kipróbált tippek, trükkök és tervezési minták olyan gépi tanulási projektek létrehozásához, amelyek a koncepciótól a gyártásig telepíthetők, karbantarthatók és biztonságosak.

A Machine Learning Engineering in Action egy olyan megközelítést mutat be, amellyel telepíthető, karbantartható, termelésre alkalmas gépi tanulási rendszerek építhetők. Olyan szoftverfejlesztési szabványokat fogad el, amelyek jobb kódkezelést biztosítanak, és megkönnyítik a tesztelést, a skálázást, sőt a gépi tanulás kódjának újrafelhasználását is!

Megtanulod, hogyan tervezd meg és terjedj ki a projektedre, hogyan kezeld a csapatközi logisztikát, hogy elkerüld a végzetes kommunikációs hibákat, és hogyan tervezd meg a kódod architektúráját a jobb rugalmasság érdekében. Még azt is megtudhatja, hogy mikor nem érdemes gépi tanulást használni - és milyen alternatív megközelítések lehetnek olcsóbbak és hatékonyabbak. Ha végzett ennek az eszköztár-útmutatónak a feldolgozásával, képes lesz arra, hogy megbízhatóan nyújtson költséghatékony megoldásokat kis és nagy szervezetek számára egyaránt.

A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.