Poznaj Amazon SageMaker: Przewodnik po budowaniu, szkoleniu i wdrażaniu modeli uczenia maszynowego dla programistów i naukowców zajmujących się danymi

Opinie czytelników

Książka o Amazon SageMaker jest powszechnie chwalona za praktyczne podejście i jasne wyjaśnienia. Jest dobrze skonstruowana, dzięki czemu jest odpowiednia zarówno dla początkujących, jak i osób z pewną wiedzą na temat AWS. Istnieją jednak poważne obawy dotyczące jakości wersji Kindle, w tym błędów formatowania i problematycznych hiperłączy.

Przejrzysty i praktyczny przegląd wykorzystania Amazon SageMaker do uczenia maszynowego. Kompleksowe omówienie cyklu życia projektu, w tym konfiguracji, przygotowania danych i wdrożenia modelu. Autor jest kompetentny i dostarcza przydatnych przykładów i najlepszych praktyk. Odpowiedni zarówno dla początkujących, jak i bardziej doświadczonych użytkowników, z sugestiami dotyczącymi dalszej nauki.

Wersja Kindle zawiera wiele błędów formatowania, co utrudnia jej czytanie. Użytkownicy zgłaszali problemy ze spisem treści, hiperłącza nie działały poprawnie, a segmenty kodu Pythona były nieczytelne z powodu problemów z formatowaniem. Niektórzy recenzenci zwrócili uwagę na skupienie się na wbudowanych algorytmach SageMaker, a nie na innych frameworkach, takich jak TensorFlow.

(na podstawie 10 opinii czytelników)

Oryginalny tytuł:

Learn Amazon SageMaker: A guide to building, training, and deploying machine learning models for developers and data scientists

Zawartość książki:

Szybkie budowanie i wdrażanie modeli uczenia maszynowego bez konieczności zarządzania infrastrukturą oraz zwiększanie produktywności dzięki funkcjom Amazon SageMaker, takim jak Amazon SageMaker Studio, Autopilot, Experiments, Debugger i Model Monitor.

Kluczowe cechy

⬤ Szybkie budowanie, trenowanie i wdrażanie modeli uczenia maszynowego przy użyciu Amazon SageMaker.

⬤ Analizowanie, wykrywanie i otrzymywanie alertów związanych z różnymi problemami biznesowymi przy użyciu algorytmów i technik uczenia maszynowego.

⬤ Zwiększ produktywność poprzez trenowanie i dostrajanie modeli uczenia maszynowego w środowisku produkcyjnym.

Opis książki

Amazon SageMaker umożliwia szybkie tworzenie, trenowanie i wdrażanie modeli uczenia maszynowego (ML) na dużą skalę, bez konieczności zarządzania jakąkolwiek infrastrukturą. Pomaga skupić się na problemie ML i wdrożyć wysokiej jakości modele, usuwając ciężką pracę zwykle związaną z każdym etapem procesu ML. Książka ta jest kompleksowym przewodnikiem dla analityków danych i programistów ML, którzy chcą poznać tajniki Amazon SageMaker.

Zrozumiesz, jak używać różnych modułów SageMaker jako pojedynczego zestawu narzędzi do rozwiązywania wyzwań stojących przed ML. W miarę postępów omówione zostaną takie funkcje, jak AutoML, wbudowane algorytmy i frameworki, a także opcja pisania własnego kodu i algorytmów do tworzenia modeli ML. Później książka pokaże ci, jak zintegrować Amazon SageMaker z popularnymi bibliotekami głębokiego uczenia, takimi jak TensorFlow i PyTorch, aby zwiększyć możliwości istniejących modeli. Dowiesz się również, jak przy minimalnym wysiłku i niższych kosztach szybciej wdrożyć modele do produkcji. Wreszcie, dowiesz się, jak korzystać z Amazon SageMaker Debugger do analizowania, wykrywania i podkreślania problemów w celu zrozumienia bieżącego stanu modelu i poprawy jego dokładności.

Pod koniec tej książki będziesz w stanie korzystać z Amazon SageMaker w pełnym spektrum przepływów pracy ML, od eksperymentowania, szkolenia i monitorowania po skalowanie, wdrażanie i automatyzację.

Czego się nauczysz

⬤ Tworzyć i automatyzować kompleksowe przepływy pracy uczenia maszynowego w Amazon Web Services (AWS)

⬤ Zapoznać się z technikami adnotacji i przygotowywania danych.

⬤ Używać funkcji AutoML do budowania i trenowania modeli uczenia maszynowego za pomocą AutoPilot.

⬤ Tworzenie modeli przy użyciu wbudowanych algorytmów i frameworków oraz własnego kodu.

⬤ Trenuj modele widzenia komputerowego i NLP na rzeczywistych przykładach.

⬤ Techniki szkoleniowe w zakresie skalowania, optymalizacji modeli, debugowania modeli i optymalizacji kosztów.

⬤ Zautomatyzuj zadania wdrażania w różnych konfiguracjach za pomocą SDK i kilku narzędzi do automatyzacji.

Dla kogo jest ta książka

Ta książka jest przeznaczona dla inżynierów oprogramowania, programistów uczenia maszynowego, naukowców zajmujących się danymi i użytkowników AWS, którzy dopiero zaczynają korzystać z Amazon SageMaker i chcą budować wysokiej jakości modele uczenia maszynowego bez martwienia się o infrastrukturę. Znajomość podstaw AWS jest wymagana, aby lepiej zrozumieć koncepcje omówione w tej książce. Przydatna będzie również pewna znajomość koncepcji uczenia maszynowego i języka programowania Python.