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 مدل های یادگیری ماشین خود را با ساخت راه حل های مقیاس پذیر و قوی که می تواند در محیط های تولید به آنها خدمت کند، افزایش دهد
 
ویژگی های کلیدی
کاوش بهینه سازی بیش از حد پارامتر و ابزار مدیریت مدل
یادگیری برنامه نویسی شی گرا و برنامه نویسی کاربردی در پایتون برای ساخت کتابخانه ها و بسته های ML خود
کاوش الگوهای مهندسی کلیدی ML مانند MicroServices و دستگاه عصاره دستگاه یادگیری (ETML) با موارد استفاده
توضیحات کتاب
مهندسی آموزش ماشین یک رشته پر رونق در رابط توسعه نرم افزار و یادگیری ماشین است. این کتاب به توسعه دهندگان کمک می کند تا با یادگیری ماشین و پایتون کار کنند تا دانش خود را برای کار و ایجاد محصولات و خدمات آموزش ماشین با کیفیت بالا ایجاد کنند.
 
مهندسی یادگیری ماشین با پایتون یک رویکرد دستی را به دست می آورد تا به شما کمک کند تا با مفاهیم فنی ضروری، الگوهای اجرایی و روش های توسعه توسعه یابید تا شما را در هیچ زمان اجرا کنید. شما با درک گام های کلیدی چرخه عمر یادگیری ماشین شروع می کنید قبل از رفتن به تصاویر عملی و رسیدن به ساخت و راه اندازی راه حل های یادگیری قوی ماشین. همانطور که پیش می روید، شما چگونگی ایجاد ابزارهای خود را برای آموزش و استقرار در تمام پروژه های خود را به شیوه ای سازگار، کشف کنید. این کتاب همچنین به شما کمک می کند تا با معماری های استقرار دست یابید و روش های کشف راه حل های خود را در هنگام ایجاد یک درک جامع از نحوه استفاده از ابزارهای مبتنی بر ابر به طور موثر انجام دهید. در نهایت، از طریق نمونه هایی برای کمک به حل مشکلات تجاری معمولی کار می کنید.
 
در پایان این کتاب، شما می توانید خدمات یادگیری ماشین پایان به پایان را با استفاده از تکنیک های مختلف و طراحی فرآیندهای خود را برای مهندسی آموزش ماشین های مداوم انجام دهید.
 
آنچه شما یاد می گیرید
پیدا کردن یک فرآیند مهندسی موثر ML به نظر می رسد
گزینه های کشف برای آموزش خودکار و استقرار و یادگیری نحوه استفاده از آنها
کشف نحوه ساخت کتابخانه های بسته بندی خود را برای کپسوله کردن علم و منطق یادگیری اطلاعات خود و راه حل ها
درک چه جنبه های مهندسی نرم افزار شما می توانید به یادگیری ماشین
به دست آوردن بینش در مورد سازگاری مهندسی نرم افزار برای یادگیری ماشین با استفاده از فن آوری های ابر مناسب
تنظیم ارتقاء بیش از حد پارامتر را در یک روش نسبتا خودکار انجام دهید
چه کسی این کتاب است؟
این کتاب برای مهندسین یادگیری ماشین، دانشمندان داده ها و توسعه دهندگان نرم افزاری است که می خواهند راه حل های نرم افزاری قوی را با اجزای یادگیری ماشین ایجاد کنند. اگر فردی هستید که می تواند مدیریت چرخه زندگی تولید این سیستم ها را درک کند، این کتاب مفید است. دانش متوسط ​​سطح پایتون ضروری است.
 
فهرست مطالب
مقدمه ای بر مهندسی ML
فرآیند توسعه یادگیری ماشین
از مدل به کارخانه مدل
بسته بندی کردن
الگوهای و ابزار های استقرار
افزایش یافتن
ساخت یک مثال ML MicroService
ساخت یک عصاره تبدیل دستگاه یادگیری استفاده از مورد

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

Machine Theory AI & Machine Learning خرید اینترنتی کتاب های لاتین خرید اینترنتی کتاب های زبان اصلی کامپیوتر

بر اساس سلیقه شما...

  Product details Publisher ‏ : ‎ Manning; 1st editi ...
2,640,000 ریال
  Product details Publisher ‏ : ‎  Manning; 2n ...
5,520,000 ریال

codebazan

طراحی و اجرا: فروشگاه ساز سبدخرید