Ciągłe uczenie maszynowe z Kubeflow: Niezawodne uczenie maszynowe w Mlops z możliwościami Tfx, Sagemaker i Kubernetes

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 4 głosach.

Oryginalny tytuł:

Continuous Machine Learning with Kubeflow: Performing Reliable Mlops with Capabilities of Tfx, Sagemaker and Kubernetes

Zawartość książki:

Wnikliwa podróż do MLOps, DevOps i uczenia maszynowego w rzeczywistym środowisku.

KLUCZOWE CECHY

⬤  Obszerna wiedza i wyjaśnienie koncepcji komponentów Kubernetes z przykładami.

⬤  Kompleksowy przewodnik wiedzy na temat szkolenia i wdrażania potoków ML przy użyciu Docker i Kubernetes.

⬤  Obejmuje liczne projekty MLOps z dostępem do sprawdzonych frameworków i wykorzystaniem koncepcji głębokiego uczenia.

OPIS

"Continuous Machine Learning with Kubeflow" wprowadza do nowoczesnej infrastruktury uczenia maszynowego, która obejmuje Kubernetes i architekturę Kubeflow. Książka ta wyjaśnia podstawy wdrażania różnych przypadków użycia AI/ML z treningiem TensorFlow i obsługą Kubernetes oraz w jaki sposób Kubernetes może pomóc w konkretnych projektach od początku do końca.

Ta książka pomoże zademonstrować, jak korzystać z komponentów Kubeflow, wdrażać je w GCP i serwować je w produkcji przy użyciu przewidywania danych w czasie rzeczywistym. Dzięki Kubeflow KFserving przyjrzymy się technikom serwowania, zbudujemy interfejs użytkownika oparty na wizji komputerowej w streamlit, a następnie wdrożymy go na platformach chmurowych Google, Kubernetes i Heroku. Następnie zbadamy również, jak zbudować Explainable AI do określania uczciwości i stronniczości za pomocą narzędzia What-if. W oparciu o różne przypadki użycia dowiemy się, jak wdrożyć uczenie maszynowe do produkcji, w tym szkolenie i serwowanie.

CZEGO SIĘ NAUCZYSZ

⬤  Zapoznać się z architekturą i orkiestracją Kubernetes.

⬤  Nauczymy się konteneryzować i wdrażać od podstaw przy użyciu Dockera i Google Cloud Platform.

⬤  Przećwiczyć tworzenie potoku Kubeflow Orchestrator dla modelu TensorFlow.

⬤  Tworzenie potoków AWS SageMaker, od szkolenia do wdrożenia w produkcji.

⬤  Tworzenie potoku TensorFlow Extended (TFX) dla aplikacji NLP przy użyciu Tensorboard i TFMA.

DLA KOGO JEST TA KSIĄŻKA

Ta książka jest przeznaczona dla MLOps, DevOps, inżynierów uczenia maszynowego i analityków danych, którzy chcą stale wdrażać potoki uczenia maszynowego i zarządzać nimi na dużą skalę za pomocą Kubernetes. Czytelnicy powinni mieć solidne doświadczenie w uczeniu maszynowym i wymagana jest pewna wiedza na temat Kubernetes.