Mérnöki MLOps: Gyorsan építsen, teszteljen és kezeljen gyártásra kész gépi tanulási életciklusokat méretarányosan

Olvasói vélemények

A könyvet az MLOps gyakorlatias megközelítése miatt dicsérik, amely gyakorlati megvalósítást és valós példákat kínál, különösen az Azure szolgáltatások felhasználásával. Az alapvető fogalmakat tárgyalja, és jó bevezetésként szolgál mind a kezdők, mind a tapasztalt mérnökök számára. Ugyanakkor kritika érte a gépelési hibák, az elavult tartalom és az Azure-ra való támaszkodás miatt, ami korlátozhatja alkalmazhatóságát azok számára, akik más felhőplatformokat használnak.

⬤ Gyakorlati példák és gyakorlati megvalósítás
⬤ világos és egyszerű nyelvezet
⬤ átfogó áttekintés az MLOps-ról
⬤ tapasztalt mérnökök és üzleti szakemberek számára egyaránt hasznos
⬤ a különböző MLOps-technikák magas szintű lefedése
⬤ az elmélet és a gyakorlat jó egyensúlya
⬤ kezdőknek kifejezetten ajánlott.

⬤ Laza lektorálás, számos elgépeléssel
⬤ a példák elavulhatnak az Azure frissítéseivel
⬤ a tartalom egy része az Azure-ra való nagyfokú támaszkodás miatt olyan, mint egy fekete doboz
⬤ hiányzik a mély elméleti betekintés a modellek teljesítményelemzésébe
⬤ a könyv és az adattár közötti kódbeli eltérésekkel kapcsolatos problémák.

(15 olvasói vélemény alapján)

Eredeti címe:

Engineering MLOps: Rapidly build, test, and manage production-ready machine learning life cycles at scale

Könyv tartalma:

Kezdje el használni a gépi tanulás életciklus-menedzsmentjét, és valósítsa meg az MLOps-ot a szervezetében

Főbb jellemzők:

⬤ Legyen jártas az MLOps technikákban a gépi tanulási modellek minőségének termelésben történő nyomon követése érdekében.

⬤ Tárja fel a termelésben lévő ML modellek felügyeleti keretrendszerét, és ismerje meg a telepített modellek végponttól végpontig tartó nyomon követhetőségét.

⬤ Végezzen CI/CD-t az új implementációk automatizálása érdekében az ML-pipelinekben.

Könyv leírása:

Az MLOps egy szisztematikus megközelítés a gépi tanulási (ML) megoldások építéséhez, telepítéséhez és felügyeletéhez. Ez egy mérnöki tudományág, amely különböző iparágakban és felhasználási esetekben alkalmazható. Ez a könyv átfogó betekintést nyújt az MLOps-ba, valós példákkal párosítva, hogy segítsen programokat írni, robusztus és skálázható ML-modelleket képezni, valamint ML-csővezetékeket építeni a modellek biztonságos képzéséhez és termelésben történő telepítéséhez.

A könyv azzal kezdődik, hogy megismerteti Önt az MLOps munkafolyamatával, hogy elkezdhessen programokat írni az ML-modellek képzéséhez. Ezután továbblépve megvizsgálja az ML-modellek képzés utáni szerializálásának és csomagolásának lehetőségeit, hogy a gépi tanulásból való következtetés, a modellek interoperabilitása és a modellek végponttól végpontig tartó nyomon követhetősége érdekében telepíthesse őket. Megérti majd, hogyan kell ML-csatornákat, folyamatos integrációs és folyamatos szállítási (CI/CD) csővezetékeket és felügyeleti csővezetékeket építeni, hogy szisztematikusan építsenek, telepítsenek, felügyeljenek és irányítsanak ML-megoldásokat a vállalkozások és iparágak számára. Végezetül a megszerzett ismereteket valós projektek létrehozására fogja alkalmazni.

Ennek az ML-könyvnek a végére 360 fokos képet kap az MLOps-ról, és készen áll majd arra, hogy az MLOps-ot a saját szervezetében is megvalósítsa.

Amit tanulni fog:

⬤ Adatkormányzási stratégiák és csővezetékek kialakítása az ML képzéshez és telepítéshez.

⬤ Kezdje meg az ML csővezetékek, CI/CD csővezetékek és ML felügyeleti csővezetékek megvalósítását.

⬤ Tervezzen robusztus és skálázható mikroszolgáltatást és API-t teszt- és termelési környezetekhez.

⬤ Tökéletesítse az egyéni CD-folyamatokat a kapcsolódó felhasználási esetekhez és szervezetekhez.

⬤ Monitorozza az ML-modelleket, beleértve az adatok sodródásának, a modell sodródásának és az alkalmazás teljesítményének nyomon követését.

⬤ Automatizált ML-rendszerek létrehozása és karbantartása.

Kinek szól ez a könyv:

Ez az MLOps könyv adattudósoknak, szoftvermérnököknek, DevOps mérnököknek, gépi tanulási mérnököknek, valamint üzleti és technológiai vezetőknek szól, akik ML rendszereket szeretnének építeni, telepíteni és karbantartani a termelésben az MLOps elvek és technikák alkalmazásával. A gépi tanulással kapcsolatos alapismeretek szükségesek ahhoz, hogy elkezdhessük ezt a könyvet.