Kezdő Mlops az Mlflow-val: Modellek telepítése az Aws Sagemakerben, a Google Cloudban és a Microsoft Azure-ban

Olvasói vélemények

A könyv alapvető bevezetésként szolgál az MLOps-okba, bár a kivitelezés és a szerkesztés terén több jelentős hiányossága is van.

Jó bevezető tartalom az MLOps-hoz; kiindulópontként szolgál.

Gyenge kivitelezés, mélység hiánya, ismétlődő tartalom, rossz szerkesztés és nem megfelelő szedés.

(2 olvasói vélemény alapján)

Eredeti címe:

Beginning Mlops with Mlflow: Deploy Models in Aws Sagemaker, Google Cloud, and Microsoft Azure

Könyv tartalma:

1. fejezet: Kezdő lépések: A fejezet célja: Meghatározzuk a probléma előfeltevését, amelyet gépi tanulással akarunk megoldani. Több adathalmaz elemzése és feldolgozása. Oldalak száma - 30 oldal Rész - témakörök 1. Előfeltevés 4. Adatelemzés 5. Feature engineering 2. fejezet: Gépi tanulási modell építése Fejezet célja: Gépi tanulási modell építése egy adathalmazon / több adathalmazon, amelyek adatait a 4. fejezetben feldolgoztuk. Oldalak száma - 40 oldalAlábbi - Témakörök: 1. A modell felépítése 2. A modell képzése és tesztelése 3. Validálás és optimalizálás 3. fejezet: Mi az a MLOps? A fejezet célja: Bevezetni az olvasót az MLOps-ba, az automatizálás különböző szakaszaiba az MLOps beállításoknál, a csővezetékkel történő automatizálásba, valamint a CI/CD és CD Deploymentbe. Pipelines a következőkhöz: forrásrepó a telepítésig, előrejelző szolgáltatások, teljesítményfigyelés stb. folyamatos integráció (forrásrepó frissítése új modellekkel) és folyamatos szállítás (új modellek telepítése). Oldalak száma - 40 oldal Al-témák 1. Mi az MLOps? 2. MLOps beállítások 3. Automatizálás 4. CI/CD - Folyamatos integráció és szállítás 5. CD - Deployment 4. fejezet: Bevezetés az MlFlow-baA fejezet célja: Bevezetni az olvasót az MLFlow-ba, és bemutatni, hogyan illeszthetjük be az MLFlow-t az ML képzési folyamatunkba (PyTorch, Keras, TensorFlow) Oldalak száma - 30 oldal Rész - témák: 1. Mi az MLFlow? 2. MLFlow a PyTorch-ban3. MLFlow a Kerasban4.

MLFlow in TensorFlow 5. fejezet: Telepítés az AWS-en - 40 oldal A fejezet célja: Végigvezetni az olvasót egy MLOps beállítás AWS SageMakerre történő telepítésének folyamatán. -leírás: A fejezet végigvezeti az olvasót az AWS SageMaker-en, és segít neki az MLOps beállítás (adatfeldolgozó szkriptek, modellképzés, tesztelés, validálás szkriptek) AWS-en történő telepítésében.

6. fejezet: Telepítés az Azure-ban - 40 oldal A fejezet célja: Végigvezetni az olvasót egy MLOps-beállítás Microsoft Azure-on történő telepítésének folyamatán. -leírás: A fejezet végigvezeti az olvasót a Microsoft Azure-on, és segít neki az MLOps-beállítás (adatfeldolgozási szkriptek, modellképzési, tesztelési, validálási szkriptek) Azure-on történő telepítésében. 7. fejezet: Telepítés a Google-ban - 40 oldal A fejezet célja: Végigvezetni az olvasót egy MLOps-beállítás telepítésének folyamatán a Google felhőben. -leírás: A fejezet végigvezeti az olvasót a Google Cloudon, és segít neki az MLOps-beállítás (adatfeldolgozó szkriptek, model train, teszt, validációs szkriptek) Google Cloudban történő telepítésében. A függelék: a2ml - 20 oldal Fejezet célja: Ez a függelék fejezet opcionális, és végigvezeti a felhasználókat az MLOps beállítás a2ml használatával történő telepítésének folyamatán. -leírás: A fejezet végigvezeti az olvasót az a2ml-en, és segít neki az MLOps beállítás (adatfeldolgozó szkriptek, modellképzés, tesztelés, validáló szkriptek) a2ml-en keresztül történő telepítésében.