0 رای
وضعیت موجودی موجود

قیمت قبلی: 3,560,000 ریال
قیمت: 3,160,000 ریال

 



Product details

  • Publisher ‏ : ‎ Packt Publishing (November 5, 2021)
  • Language ‏ : ‎ English
  • Paperback ‏ : ‎ 276 pages
  • ISBN-10 ‏ : ‎ 1801079250
  • ISBN-13 ‏ : ‎ 978-1801079259

 

کتاب Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples

Supercharge the value of your machine learning models by building scalable and robust solutions that can serve them in production environments

Key Features

  • Explore hyperparameter optimization and model management tools
  • Learn object-oriented programming and functional programming in Python to build your own ML libraries and packages
  • Explore key ML engineering patterns like microservices and the Extract Transform Machine Learn (ETML) pattern with use cases

Book Description

Machine learning engineering is a thriving discipline at the interface of software development and machine learning. This book will help developers working with machine learning and Python to put their knowledge to work and create high-quality machine learning products and services.

Machine Learning Engineering with Python takes a hands-on approach to help you get to grips with essential technical concepts, implementation patterns, and development methodologies to have you up and running in no time. You'll begin by understanding key steps of the machine learning development life cycle before moving on to practical illustrations and getting to grips with building and deploying robust machine learning solutions. As you advance, you'll explore how to create your own toolsets for training and deployment across all your projects in a consistent way. The book will also help you get hands-on with deployment architectures and discover methods for scaling up your solutions while building a solid understanding of how to use cloud-based tools effectively. Finally, you'll work through examples to help you solve typical business problems.

By the end of this book, you'll be able to build end-to-end machine learning services using a variety of techniques and design your own processes for consistently performant machine learning engineering.

What you will learn

  • Find out what an effective ML engineering process looks like
  • Uncover options for automating training and deployment and learn how to use them
  • Discover how to build your own wrapper libraries for encapsulating your data science and machine learning logic and solutions
  • Understand what aspects of software engineering you can bring to machine learning
  • Gain insights into adapting software engineering for machine learning using appropriate cloud technologies
  • Perform hyperparameter tuning in a relatively automated way

Who this book is for

This book is for machine learning engineers, data scientists, and software developers who want to build robust software solutions with machine learning components. If you're someone who manages or wants to understand the production life cycle of these systems, you'll find this book useful. Intermediate-level knowledge of Python is necessary.

Table of Contents

  1. Introduction to ML Engineering
  2. The Machine Learning Development Process
  3. From Model to Model Factory
  4. Packaging Up
  5. Deployment Patterns and Tools
  6. Scaling Up
  7. Building an Example ML Microservice
  8. Building an Extract Transform Machine Learning Use Case

منابع کتاب کتاب Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples

ارزش مدل‌های یادگیری ماشینی خود را با ایجاد راه‌حل‌های مقیاس‌پذیر و قوی که می‌تواند در محیط‌های تولید به کار گرفته شود، افزایش دهید.
 
ویژگی های کلیدی
بهینه سازی هایپرپارامتر و ابزارهای مدیریت مدل را کاوش کنید
برنامه نویسی شی گرا و برنامه نویسی تابعی را در پایتون یاد بگیرید تا کتابخانه ها و بسته های ML خود را بسازید.
الگوهای کلیدی مهندسی ML مانند میکروسرویس ها و الگوی Extract Transform Machine Learn (ETML) را با موارد استفاده کاوش کنید.
توضیحات کتاب
مهندسی یادگیری ماشین یک رشته پر رونق در رابط توسعه نرم افزار و یادگیری ماشین است. این کتاب به توسعه دهندگانی که با یادگیری ماشین و پایتون کار می کنند کمک می کند تا دانش خود را به کار ببندند و محصولات و خدمات یادگیری ماشینی با کیفیت بالا ایجاد کنند.
 
مهندسی یادگیری ماشین با پایتون یک رویکرد عملی دارد تا به شما کمک کند تا با مفاهیم فنی ضروری، الگوهای پیاده‌سازی و متدولوژی‌های توسعه آشنا شوید تا در کمترین زمان ممکن راه‌اندازی کنید. قبل از اینکه به سراغ تصاویر عملی بروید و با ساختن و استقرار راه حل های قوی یادگیری ماشینی آشنا شوید، مراحل کلیدی چرخه زندگی توسعه یادگیری ماشین را درک خواهید کرد. همانطور که پیش می روید، نحوه ایجاد مجموعه ابزارهای خود را برای آموزش و استقرار در تمام پروژه های خود به روشی ثابت کشف خواهید کرد. این کتاب همچنین به شما کمک می‌کند تا با معماری‌های استقرار عمل کنید و روش‌هایی را برای افزایش مقیاس راه‌حل‌های خود کشف کنید و در عین حال درک کاملی از نحوه استفاده مؤثر از ابزارهای مبتنی بر ابر ایجاد کنید. در نهایت، با مثال‌هایی کار می‌کنید تا به شما در حل مشکلات تجاری معمولی کمک کنند.
 
تا پایان این کتاب، می‌توانید خدمات یادگیری ماشینی سرتاسری را با استفاده از تکنیک‌های مختلف بسازید و فرآیندهای خود را برای مهندسی یادگیری ماشینی با عملکرد مداوم طراحی کنید.
 
آنچه خواهید آموخت
دریابید که فرآیند مهندسی ML موثر چگونه به نظر می رسد
گزینه های خودکارسازی آموزش و استقرار را کشف کنید و نحوه استفاده از آنها را بیاموزید
کشف کنید که چگونه کتابخانه های پوششی خود را برای محصور کردن منطق و راه حل های علم داده و یادگیری ماشین خود بسازید.
درک کنید که چه جنبه هایی از مهندسی نرم افزار را می توانید به یادگیری ماشین بیاورید
در مورد تطبیق مهندسی نرم افزار برای یادگیری ماشین با استفاده از فناوری های ابری مناسب، بینشی به دست آورید
تنظیم هایپرپارامتر را به روشی نسبتاً خودکار انجام دهید
این کتاب برای چه کسی است
این کتاب برای مهندسان یادگیری ماشین، دانشمندان داده و توسعه دهندگان نرم افزار است که می خواهند راه حل های نرم افزاری قوی با اجزای یادگیری ماشین بسازند. اگر شما فردی هستید که مدیریت می کنید یا می خواهید چرخه عمر تولید این سیستم ها را درک کنید، این کتاب برای شما مفید خواهد بود. دانش پایتون در سطح متوسط ​​ضروری است.
 
فهرست مطالب
مقدمه ای بر مهندسی ML
فرآیند توسعه یادگیری ماشین
از مدل به کارخانه مدل
بسته بندی به بالا
الگوها و ابزارهای استقرار
افزایش مقیاس
ساخت یک نمونه میکروسرویس ML
ساختن یک مورد استفاده از یادگیری ماشین تبدیل عصاره

نظرات کاربران درباره کتاب Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples

نظری در مورد این محصول توسط کاربران ارسال نگردیده است.
اولین نفری باشید که در مورد کتاب Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples نظر می دهد.

ارسال نظر درباره کتاب Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples

لطفا توجه داشته باشید که ایمیل شما منتشر نخواهد شد.

برچسب های مرتبط با کتاب Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples

Data Warehousing انبار داده ها خرید اینترنتی کتاب های زبان اصلی کامپیوتر خرید اینترنتی کتاب های لاتین Databases & Big Data

بر اساس سلیقه شما...

  Product details Publisher ‏ : ‎  Addison-Wes ...
14,160,000 ریال
Product details Publisher ‏ : ‎  O'Reilly Media; 1st ...
4,880,000 ریال
  Product details Publisher ‏ : ‎  Gardners Bo ...
4,240,000 ریال
Product details Publisher ‏ : ‎  O'Reilly Media; 5th ...
9,060,000 ریال

codebazan

طراحی و اجرا: فروشگاه ساز سبدخرید