Практические MLOps 1-е издание [Ной Гифт]

Складчина: Практические MLOps 1-е издание [Ной Гифт]

Practical MLOps 1st Edition

Внедрение ваших моделей в производство - основная задача машинного обучения. MLOps предлагает набор проверенных принципов, направленных на надежное и автоматизированное решение этой проблемы. Это подробное руководство познакомит вас с тем, что такое MLOps (и чем он отличается от DevOps), и покажет, как применить его на практике для реализации ваших моделей машинного обучения.

Текущие и начинающие инженеры по машинному обучению - или любой, кто знаком с наукой о данных и Python - создадут основу для инструментов и методов MLOps (наряду с AutoML, мониторингом и ведением журнала), а затем узнают, как реализовать их в AWS, Microsoft Azure и Google Cloud. Чем быстрее вы создадите работающую систему машинного обучения, тем быстрее вы сможете сосредоточиться на бизнес-проблемах, которые пытаетесь решить. Эта книга дает вам фору.
Как организована эта книга

Мы разработали эту книгу так, чтобы вы могли рассматривать каждую главу как отдельный раздел, предназначенный для оказания вам немедленной помощи. В конце каждой главы приведены вопросы для обсуждения, которые призваны стимулировать критическое мышление, и технические упражнения для улучшения вашего понимания материала.

Эти вопросы для обсуждения и упражнения также хорошо подходят для использования в классе по программе Data Science, Computer Science или MBA, а также для мотивированных самообучающихся. Последняя глава содержит несколько тематических исследований, которые могут помочь в создании портфолио работы в качестве эксперта в MLOps.

Книга разделена на 12 глав, которые мы разберем более подробно в следующем разделе. В конце книги есть приложение с собранием ценных ресурсов для реализации MLOps.



Главы

Первые несколько глав охватывают теорию и практику как DevOps, так и MLOps. Один из затронутых вопросов - как настроить непрерывную интеграцию и непрерывную доставку. Еще одна важная тема - Кайдзен, то есть идея постоянного улучшения во всем.

Об облачных вычислениях есть три главы, посвященные AWS, Azure и GCP. Альфредо, сторонник разработчиков Microsoft, является идеальным источником знаний для MLOps на платформе Azure. Точно так же Ной провел годы, обучая студентов облачным вычислениям и работая с образовательными подразделениями Google, AWS и Azure. Эти главы - отличный способ познакомиться с облачным MLOps.

Другие главы охватывают критически важные технические области MLOps, включая AutoML, контейнеры, периферийные вычисления и переносимость моделей. Эти темы охватывают множество передовых технологий с активной тягой.

Наконец, в последней главе Ной описывает реальный пример своего времени, проведенного в стартапе в социальных сетях, и проблемы, с которыми они столкнулись при выполнении MLOps.

Приложения

В приложениях собраны эссе, идеи и ценные предметы, которые возникли за годы между завершением Python для DevOps (О'Рейли) и этой книгой. Основной способ их использования - помочь вам принять решение о будущем.

Вопросы к упражнениям

В упражнениях этой книги полезная эвристика рассматривает, как вы можете использовать их в портфолио, используя GitHub, и пошаговое руководство по вашим действиям на YouTube. В соответствии с выражением «картинка стоит тысячи слов», ссылка YouTube на пошаговое руководство воспроизводимого проекта GitHub в резюме может стоить 10 000 слов и помещает резюме в новую категорию квалификации для работы.


О'Рейли

Миссия O'Reilly - изменить мир, делясь знаниями новаторов. Более 40 лет мы вдохновляем компании и отдельных людей делать новые вещи (и делать их лучше), предоставляя навыки и понимание, необходимые для успеха.

В основе нашего бизнеса лежит уникальная сеть опытных пионеров и практиков, которые делятся своими знаниями через платформу обучения O'Reilly и наши книги, которые на протяжении десятилетий провозглашались лучшим способом изучения технологий, формирующих будущее. Таким образом, отдельные лица, команды и организации изучают инструменты, передовой опыт и новые тенденции, которые изменят их отрасли.

Наши клиенты стремятся создавать инновации, которые продвигают мир вперед. И мы помогаем им в этом.

Вы узнаете, как:

• Применение лучших практик DevOps к машинному обучению
• Создавайте производственные системы машинного обучения и поддерживайте их
• Мониторинг, инструментарий, нагрузочное тестирование и ввод в действие систем машинного обучения
  • Дата публикации: 14 сентября 2021
  • Язык: Английский
  PDF
  Скрытая ссылка