Gyakorlati gépi tanulás az Aws-szal: Modellek feldolgozása, felépítése, telepítése és gyártásba vétele az Aws használatával

Gyakorlati gépi tanulás az Aws-szal: Modellek feldolgozása, felépítése, telepítése és gyártásba vétele az Aws használatával (Himanshu Singh)

Eredeti címe:

Practical Machine Learning with Aws: Process, Build, Deploy, and Productionize Your Models Using Aws

Könyv tartalma:

Sikeresen építsen, hangoljon, telepítsen és termeljen bármilyen gépi tanulási modellt, és tudja, hogyan automatizálhatja a folyamatot az adatfeldolgozástól a telepítésig.

Ez a könyv három részre oszlik. Az I. rész bemutatja az AWS-szolgáltatásokkal kapcsolatos alapvető felhőfogalmakat és terminológiákat, például az S3, EC2, Identity Access Management, Roles, Load Balancer és Cloud Formation. Emellett olyan felhőbiztonsági témákat is tárgyal, mint az AWS Compliance és a leletanyag, valamint a fejlesztők és DevOps mérnökök számára épített AWS Shield és CloudWatch felügyeleti szolgáltatás. A II. rész a gépi tanulással foglalkozik az AWS-ben a SageMaker segítségével, amely a fejlesztők és az adattudósok számára lehetővé teszi a gépi tanulási modellek építését, betanítását és telepítését. A III. rész más AWS-szolgáltatásokat vizsgál meg, például az Amazon Comprehendet (természetes nyelvi feldolgozó szolgáltatás, amely gépi tanulást használ a szövegben található meglátások és összefüggések megtalálására), az Amazon Forecastot (segít pontos előrejelzések készítésében) és az Amazon Textractot.

A könyv végére megérti a gépi tanulás csővezetékét, és azt, hogyan lehet bármilyen gépi tanulási modellt az AWS segítségével végrehajtani. A könyv segít az AWS Certified Machine Learning--Specialty minősítő vizsgára való felkészülésben is.

Amit tanulni fog

⬤ Ismerje az AWS által kínált különböző gépi tanulási szolgáltatásokat.

⬤ Ismerje az S3, az EC2, az Identity Access Management és a Cloud Formation szolgáltatásokat.

⬤ Ismerje a SageMaker, az Amazon Comprehend és az Amazon Forecast szolgáltatásokat.

⬤ Éles projektek végrehajtása: az előfeldolgozási fázistól az AWS-en történő telepítésig.

Kinek szól ez a könyv

Gépi tanulással foglalkozó mérnököknek, akik meg akarják tanulni az AWS gépi tanulási szolgáltatásait, és szeretnének AWS gépi tanulási szakirányú tanúsítványt szerezni.

A könyv egyéb adatai:

ISBN:9781484262214
Szerző:
Kiadó:
Kötés:Puha kötés
A kiadás éve:2020
Oldalak száma:241

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Statisztika a gépi tanuláshoz: A gépi tanulásban használt statisztikai módszerek implementálása...
Egy gyakorlati útmutató, amely segít megérteni...
Statisztika a gépi tanuláshoz: A gépi tanulásban használt statisztikai módszerek implementálása Python használatával (English Edition) - Statistics for Machine Learning: Implement Statistical methods used in Machine Learning using Python (English Edition)
Gyakorlati gépi tanulás az Aws-szal: Modellek feldolgozása, felépítése, telepítése és gyártásba...
Sikeresen építsen, hangoljon, telepítsen és termeljen...
Gyakorlati gépi tanulás az Aws-szal: Modellek feldolgozása, felépítése, telepítése és gyártásba vétele az Aws használatával - Practical Machine Learning with Aws: Process, Build, Deploy, and Productionize Your Models Using Aws
Gyakorlati gépi tanulás és képfeldolgozás: Arcfelismerés, tárgyfelismerés és mintafelismerés Python...
1. fejezet: Telepítés és...
Gyakorlati gépi tanulás és képfeldolgozás: Arcfelismerés, tárgyfelismerés és mintafelismerés Python használatával - Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python
Mély neuro-fuzzy rendszerek Python segítségével: Esettanulmányokkal és ipari alkalmazásokkal - Deep...
Betekintést nyerhet a fuzzy logikába és a neurális...
Mély neuro-fuzzy rendszerek Python segítségével: Esettanulmányokkal és ipari alkalmazásokkal - Deep Neuro-Fuzzy Systems with Python: With Case Studies and Applications from the Industry

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)