Mastering Azure Machine Learning (Azure gépi tanulás elsajátítása): Nagyszabású, végponttól végpontig tartó fejlett gépi tanulás végrehajtása a felhőben a Microsoft Azure ML segítségével

Olvasói vélemények

Az Azure Machine Learning című könyvről szóló kritikák vegyes véleményeket tartalmaznak. Sok felhasználó értékeli, hogy alaposan tárgyalja a gépi tanulás fogalmait és az Azure gyakorlati használatát, míg egyesek kritizálják, hogy túlságosan alapvető vagy rosszul megírt.

Az Azure Machine Learning szolgáltatásainak átfogó lefedettsége, világos magyarázatok, gyakorlati példák Python-kóddal, jó fogalomáramlás, hasznos mind az adattudósok, mind az ML mérnökök számára, részletes telepítési útmutató, tartalmazza a számítógépes látás és az NLP fejlett keretrendszereit.

Egyesek szerint a könyv túlságosan alapszintű vagy nem elég mély, informális nyelvezet, minimális részletesség az összetett Azure-környezetek beállításával kapcsolatban, az egyik kritikus gyérnek és véletlenszerű információkat tartalmazónak minősítette a könyvet.

(6 olvasói vélemény alapján)

Eredeti címe:

Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML

Könyv tartalma:

Szakértői technikák elsajátítása az automatizált és nagymértékben skálázható végponttól végpontig tartó gépi tanulási modellek és pipelinek építéséhez Azure-ban TensorFlow, Spark és Kubernetes használatával

Főbb jellemzők

⬤ Az adatok értelmezése a felhőben a fejlett analitika megvalósításával.

⬤ Tréningelje és optimalizálja hatékonyan a fejlett mélytanulási modelleket a Sparkon az Azure Databricks használatával.

⬤ Telepítsen gépi tanulási modelleket kötegelt és valós idejű pontozáshoz az Azure Kubernetes Service (AKS) segítségével.

Könyv leírása

Az adatmennyiség napjainkban tapasztalható növekedése elosztott rendszereket, nagy teljesítményű algoritmusokat és skálázható felhőinfrastruktúrát igényel a meglátások kiszámításához, valamint a gépi tanulási (ML) modellek betanításához és telepítéséhez. Ez a könyv segít az ML-modellek Azure használatával történő építésével és a végponttól végpontig terjedő ML-pipeline-ok felhőben történő építésével kapcsolatos ismereteinek bővítésében.

A könyv egy végponttól végpontig tartó ML-projekt áttekintésével kezdődik, és útmutatást ad arról, hogyan válasszuk ki a megfelelő Azure-szolgáltatást a különböző ML-feladatokhoz. Ezután az Azure ML-re összpontosít, és végigvezet az adatkísérletezés, az adatelőkészítés és a funkciótervezés folyamatán az Azure ML és a Python használatával. Megtanulhatja a természetes nyelvfeldolgozás (NLP) segítségével végzett fejlett jellemzőkinyerési technikákat, a klasszikus ML-technikákat, valamint a nagyszerű ajánlómotor és a mélytanulási módszereket használó, hatékony számítógépes látásmodell titkait egyaránt. Azt is felfedezheti, hogyan képezheti, optimalizálhatja és hangolhatja a modelleket az Azure AutoML és a HyperDrive segítségével, és hogyan végezhet elosztott képzést az Azure ML-en. Ezután különböző telepítési és felügyeleti technikákat tanulhatsz meg az Azure Kubernetes Services használatával az Azure ML-lel, valamint az MLOps--DevOps for ML alapjaival, hogy az ML-folyamatot CI/CD csővezetékként automatizálhasd.

A könyv végére elsajátítja az Azure ML-t, és képes lesz magabiztosan tervezni, létrehozni és üzemeltetni skálázható ML-csővezetékeket az Azure-ban.

Amit megtanulhat.

⬤ Az Azure ML munkaterület beállítása adatkísérletekhez és vizualizációhoz.

⬤ Elvégzi az ETL-t, az adatelőkészítést és a jellemző-kivonatolást az Azure legjobb gyakorlatainak alkalmazásával.

⬤ Kifejlett funkciókinyerés megvalósítása NLP és szóbeágyazások segítségével.

⬤ Gradiens fokozású faegyüttesek, ajánlómotorok és mély neurális hálózatok képzése az Azure ML-en.

⬤ Hiperparaméter-hangolás és AutoML használata az ML-modellek optimalizálásához.

⬤ Az Azure ML-ben a Horovod segítségével elosztott ML alkalmazása GPU-klasztereken.

⬤ Telepítse, üzemeltesse és kezelje ML-modelljeit méretarányosan.

⬤ Automatizálja végponttól végpontig tartó ML-folyamatát CI/CD pipeline-ként az MLOps számára.

Kinek szól ez a könyv

Ez a gépi tanulási könyv olyan adatszakembereknek, adatelemzőknek, adatmérnököknek, adattudósoknak vagy gépi tanulási fejlesztőknek szól, akik el akarják sajátítani a skálázható felhőalapú gépi tanulási architektúrákat az Azure-ban. Ez a könyv segít a fejlett Azure-szolgáltatások használatában intelligens gépi tanulási alkalmazások létrehozásához. A Python alapszintű ismerete és a gépi tanulással kapcsolatos munkatudás kötelező.