幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

MLOps權威指南

  • 作者：(美)諾亞·吉夫特//阿爾弗雷多·德薩|責編:馮潤峰|譯者:黃綠君//高峰斌//李傑
  • 出版社：機械工業
  • ISBN：9787111724216
  • 出版日期：2023/04/01
  • 裝幀：平裝
  • 頁數：370
人民幣：RMB 139 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    將模型投入生產是機器學習面臨的基本挑戰，MLOps提供了一套經過驗證的原則，旨在以可靠和自動化的方式解決這個問題。本書將帶讀者了解MLOps是什麼以及它與DevOps的區別，並展示如何將其付諸實踐以操作機器學習模型。
    機器學習工程師或任何熟悉數據科學和Python的人將基於MLOps工具和方法（包括AutoML、監控和日誌記錄）構建基礎，然後學習如何在AWS、微軟Azure和谷歌雲中實現它們。讀者交付機器學習系統的速度越快，就越能專註于試圖解決的業務問題。
    本書將提供一個良好的開端，主要內容包括：
    將DevOps最佳實踐應用於機器學習。
    構建生產機器學習系統並對其進行維護。
    監控、測量、負載測試和操作機器學習系統。
    為給定的機器學習任務選擇正確的MLOps工具。
    在不同平台和設備（包括手機和專用硬體）上運行機器學習模型。
作者介紹
(美)諾亞·吉夫特//阿爾弗雷多·德薩|責編:馮潤峰|譯者:黃綠君//高峰斌//李傑
目錄
第1章  MLOps簡介
  1.1  機器學習工程師和MLOps的興起
  1.2  什麼是MLOps
  1.3  DevOps和MLOps
  1.4  MLOps需求層次
  1.5  小結
  練習題
  獨立思考和討論
第2章  MLOps基礎
  2.1  Bash和Linux命令行
  2.2  雲端shell開發環境
  2.3  Bash shell和常用命令
  2.4  雲計算基礎和構建模塊
  2.5  雲計算入門
  2.6  Python速成課程
  2.7  Python極簡教程
  2.8  程序員的數學速成課程
  2.9  機器學習關鍵概念
  2.10  開展數據科學工作
  2.11  從零開始構建一個MLOps管道
  2.12  小結
  練習題
  獨立思考和討論
第3章  容器和邊緣設備的MLOps
  3.1  容器
  3.2  邊緣設備
  3.3  托管機器學習系統的容器
  3.4  小結
  練習題
  獨立思考和討論
第4章  機器學習模型的持續交付
  4.1  機器學習模型打包
  4.2  機器學習模型持續交付中的基礎設施即代碼
  4.3  使用雲管道
  4.4  小結
  練習題
  獨立思考和討論
第5章  AutoML和KaizenML
  5.1  AutoML
  5.2  蘋果生態系統
  5.3  谷歌的AutoML和邊緣電腦視覺
  5.4  Azure的AutoML
  5.5  AWS的AutoML
  5.6  開源AutoML解決方案
  5.7  模型可解釋性
  5.8  小結
  練習題
  獨立思考和討論
第6章  監控和日誌
  6.1  雲MLOps的可觀測性

  6.2  日誌記錄簡介
  6.3  Python中的日誌記錄
  6.4  監控及可觀測性
  6.5  小結
  練習題
  獨立思考和討論
第7章  AWS的MLOps
  7.1  AWS簡介
  7.2  AWS上的MLOps Cookbook
  7.3  AWS Lambda方法
  7.4  將AWS機器學習應用於現實世界
  7.5  小結
  練習題
  獨立思考和討論
第8章  Azure的MLOps
  8.1  Azure CLI和Python SDK
  8.2  身份認證
  8.3  計算實例
  8.4  部署
  8.5  將模型部署到計算集群
  8.6  部署問題排查
  8.7  Azure機器學習管道
  8.8  機器學習生命周期
  8.9  小結
  練習題
  獨立思考和討論
第9章  谷歌雲平台的MLOps
  9.1  谷歌雲平台概覽
  9.2  谷歌雲平台上的DataOps：應用數據工程
  9.3  機器學習模型運維
  9.4  小結
  練習題
  獨立思考和討論
第10章  機器學習互操作性
  10.1  為什麼互操作性至關重要
  10.2  ONNX：開放式神經網路交換
  10.3  蘋果的Core ML
  10.4  邊緣集成
  10.5  小結
  練習題
  獨立思考和討論
第11章  構建MLOps命令行工具和微服務
  11.1  Python打包
  11.2  依賴文件
  11.3  命令行工具
  11.4  微服務
  11.5  機器學習CLI工作流
  11.6  小結
  練習題
  獨立思考和討論

第12章  機器學習工程和MLOps案例研究
  12.1  在構建機器學習模型時無知帶來的難以置信的收益
  12.2  Sqor運動社交網路中的MLOps工程
  12.3  完美技術與現實世界
  12.4  MLOps中的關鍵挑戰
  12.5  實施MLOps的最終建議
  12.6  小結
  練習題
  獨立思考和討論
附錄
  附錄A  關鍵術語
  附錄B  技術認證
  附錄C  遠程工作
  附錄D  像VC一樣思考你的職業生涯
  附錄E  構建MLOps技術組合
  附錄F  數據科學案例研究：間歇性禁食
  附錄G  附加的教育資源
  附錄H  技術項目管理

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032