Hatékony adattudományi infrastruktúra: Hogyan tegyük produktívvá az adattudósokat

Olvasói vélemények

A könyv átfogó útmutatót nyújt a gépi tanulási műveletek (MLOps) Metaflow használatával történő végrehajtásához, az elméleti betekintést gyakorlati, gyakorlati példákkal kombinálva, amelyek a skálázható adattudományi munkafolyamatok létrehozására irányulnak.

⬤ Kézzelfogható példák és projektek, amelyek hatékonyan tanítják az MLOps infrastruktúrát a Metaflow használatával.
⬤ A fogalmak világos magyarázatai, amelyek még az MLOps-háttérrel nem rendelkezők számára is elérhetővé teszik.
⬤ Az elmélet és a gyakorlat jó egyensúlya, a gyakorlati alkalmazásokra és valós felhasználási esetekre összpontosítva.
⬤ A humoros elemek és a magával ragadó grafika fokozza az olvasási élményt.
⬤ Értékes betekintést nyújt a hivatalos Metaflow dokumentáción túl.

⬤ A könyv elsősorban a Metaflow-ra összpontosít, ami korlátozhatja alkalmazhatóságát azok számára, akik az MLOps szélesebb perspektíváját keresik, de nem használják a Metaflow-t.
⬤ Néhány olvasónak szüksége lehet a könyvön kívüli további forrásokra a Metaflow infrastruktúra beállításához, mivel néhány beállítással csak a külső dokumentáció foglalkozik.

(7 olvasói vélemény alapján)

Eredeti címe:

Effective Data Science Infrastructure: How to Make Data Scientists Productive

Könyv tartalma:

Egyszerűsítse az adattudományi infrastruktúrát, hogy az adattudósok számára hatékony utat biztosítson a prototípustól a termelésig.

A Hatékony adattudományi infrastruktúra című könyvben megtanulhatja, hogyan:

Tervezzen olyan adattudományi infrastruktúrát, amely növeli a termelékenységet.

Kezelje a számítást és az orchestrációt a felhőben.

Telepítse a gépi tanulást a termelésbe.

Figyelje és kezelje a teljesítményt és az eredményeket.

Kombinálja a felhőalapú eszközöket egy egységes adattudományi környezetbe.

Reprodukálható adattudományi projektek fejlesztése a Metaflow, a Conda és a Docker használatával.

Építsen komplex alkalmazásokat több csapat és nagy adathalmazok számára.

Az adattudományi infrastruktúra testreszabása és bővítése.

Hatékony adattudományi infrastruktúra: Az adattudomány és a gépi tanulás alkalmazásaihoz szükséges infrastruktúra összeállításának gyakorlati útmutatója. Feltárja a Netflixnél és más adatközpontú vállalatoknál alkalmazott folyamatokat, amelyekkel élvonalbeli adatinfrastruktúrájukat kezelik. A könyvben elsajátíthatja az adattárolás, a számítás, a kísérletek nyomon követése és az orkesztrálás skálázható technikáit, amelyek minden formájú és méretű vállalat számára relevánsak. Megtanulod, hogyan teheted az adattudósokat produktívabbá a meglévő felhőinfrastruktúráddal, egy halom nyílt forráskódú szoftverrel és idiomatikus Pythonnal.

A szerző a könyvből származó bevételt olyan jótékonysági szervezeteknek ajánlja fel, amelyek a nőket és az adattudományban alulreprezentált csoportokat támogatják.

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

A technológiáról.

Az adattudományi projektek prototípustól a gyártásig történő növekedése megbízható infrastruktúrát igényel. A könyvben található hatékony új technikák és eszközök segítségével olyan infrastrukturális stacket állíthat fel, amely bármilyen szervezetnél skálázható, a startupoktól a legnagyobb vállalatokig.

A könyvről.

A hatékony adattudományi infrastruktúra megtanítja, hogy olyan adatcsatornákat és projekt munkafolyamatokat építsen, amelyek feltöltik az adattudósokat és projektjeiket. A Netflix adatműveleteit működtető legmodernebb eszközök és koncepciók alapján ez a könyv a modellfejlesztés és az MLOps testreszabható felhőalapú megközelítését mutatja be, amelyet könnyedén a vállalat egyedi igényeihez igazíthat. Ahogy ezeket a gyakorlatias folyamatokat bevezetik, csapatai jobb és gyorsabb eredményeket fognak produkálni, amikor az adattudományt és a gépi tanulást az üzleti problémák széles skálájára alkalmazzák.

Mi van benne?

Kezelje a számítási és az orkesztrálási feladatokat a felhőben.

Kombinálja a felhőalapú eszközöket egy egységes adattudományi környezetbe.

Fejlesszen reprodukálható adattudományi projekteket a Metaflow, az AWS és a Python adatökoszisztéma használatával.

Építsen komplex alkalmazásokat, amelyek nagy adathalmazokat és modelleket, valamint adattudósokból álló csapatot igényelnek.

Az olvasóról.

Infrastruktúramérnököknek és mérnöki beállítottságú, Pythonban jártas adattudósoknak.

A szerzőről.

A Netflixnél Ville Tuulos tervezte és építette a Metaflow-t, az adattudomány teljes körű keretrendszerét. Jelenleg egy adattudományi infrastruktúrára összpontosító startup vezérigazgatója.

Tartalomjegyzék.

1 Az adattudományi infrastruktúra bevezetése.

2 Az adattudomány eszköztára.

3 A Metaflow bemutatása.

4 Skálázás a számítási réteggel.

5 A skálázhatóság és a teljesítmény gyakorlása.

6 A termelésre való áttérés.

7 Az adatok feldolgozása.

8 Modellek használata és működtetése.

9 Gépi tanulás a teljes veremmel.