Mlops építészetének elsajátítása: From Code to Deployment: Folyamatosan tanuló ML-modellek termelési ciklusának kezelése az Mlops segítségével

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.

Eredeti címe:

Mastering Mlops Architecture: From Code to Deployment: Manage the Production Cycle of Continual Learning ML Models with Mlops

Könyv tartalma:

Használja ki az MLOps erejét a valós idejű gépi tanulási projektciklus kezelésére

Főbb jellemzők

● Az MLOps koncepciók, architektúra, eszközök és technikák átfogó lefedettsége.

● Gyakorlati összpontosítás az MLOps segítségével a folyamatos tanulást szolgáló, végponttól végpontig terjedő ML-rendszerek építésére.

● A CI/CD, a felügyelet, a folyamatos modellképzés és az automatizált átképzés megvalósítható meglátásai.

Leírás

A DevOps, az adatmérnökség és a gépi tanulás kombinációja, az MLOps a gépi tanulási adatok dinamikus jellege miatt elengedhetetlen a magas minőségű gépi tanulási eredmények biztosításához. Ez a könyv elmélyül az MLOps-ban, kitérve annak alapvető fogalmaira, összetevőire és architektúrájára, bemutatva, hogy az MLOps hogyan segíti elő a robusztus és folyamatosan javuló gépi tanulási rendszereket.

A könyv az adatoktól a telepítésig terjedő, végponttól végpontig tartó gépi tanulási csővezeték lefedésével segít az olvasóknak az MLOps munkafolyamatok megvalósításában. Olyan technikákat tárgyal, mint a feature engineering, a modellfejlesztés, az A/B tesztelés és a kanári telepítések. A könyv felvértezi az olvasókat az MLOps eszközök és infrastruktúra ismereteivel az olyan feladatokhoz, mint a modellkövetés, a modellirányítás, a metaadat-kezelés és a csővezeték-összehangolás. A modellromlás észlelését szolgáló felügyeleti és karbantartási folyamatok mélyrehatóan kerülnek tárgyalásra. Az olvasók olyan készségeket szerezhetnek, amelyekkel hatékony CI/CD-csatornákat építhetnek, gyorsabban telepíthetik a modelleket, és megbízhatóbbá, robosztusabbá és gyártásra alkalmasabbá tehetik ML-rendszereiket.

Összességében a könyv nélkülözhetetlen útmutató az MLOps-hez és annak alkalmazásaihoz a folyamatos gépi tanulás és a mesterséges intelligencia révén történő üzleti értékteremtéshez.

Amit megtanulhat

● Építsen robusztus MLOps-infrastruktúrát olyan komponensekkel, mint a jellemzőtárolók.

● Az olyan MLOps-eszközök, mint a modell-nyilvántartások, metaadattárolók, pipelines kihasználása.

● CI/CD munkafolyamatok létrehozása a modellek gyorsabb és folyamatos telepítése érdekében.

● A modellek felügyelete és karbantartása a termelésben a romlás észlelése érdekében.

● Automatizált munkafolyamatok létrehozása a termelésben lévő modellek átképzéséhez és frissítéséhez.

Kiknek szól ez a könyv

Gépi tanulási szakemberek, adattudósok, DevOps szakemberek, szoftverfejlesztő csapatok és mindazok, akik agilis gépi tanulási kísérleteik és alkalmazásaik során a DevOps megközelítést szeretnék alkalmazni. A gépi tanulás és a Python programozás előzetes ismerete kívánatos.

Tartalomjegyzék

1. Az MLOps bevezetése

2. Az MLOps architektúrája és összetevői

3. MLOps infrastruktúra és eszközök

4. Mik azok a gépi tanulási rendszerek?

5. Adatelőkészítés és modellfejlesztés

6. A modellek telepítése és kiszolgálása

7. A gépi tanulási modellek folyamatos szállítása

8. Folyamatos tanulás

9. Folyamatos felügyelet, naplózás és karbantartás