Apprendre Amazon SageMaker : Un guide pour construire, former et déployer des modèles d'apprentissage automatique pour les développeurs et les scientifiques des données.

Avis des lecteurs

Résumé:

Le livre sur Amazon SageMaker est généralement très apprécié pour son approche pratique et ses explications claires. Il est bien structuré, ce qui le rend adapté aux débutants et à ceux qui ont une certaine connaissance d'AWS. Cependant, la qualité de la version Kindle pose de sérieux problèmes, notamment en ce qui concerne les erreurs de formatage et les liens hypertextes problématiques.

Avantages:

Vue d'ensemble claire et pratique de l'utilisation d'Amazon SageMaker pour l'apprentissage automatique. Couverture complète du cycle de vie du projet, y compris la configuration, la préparation des données et le déploiement du modèle. L'auteur est bien informé et fournit des exemples utiles et des bonnes pratiques. Convient aussi bien aux débutants qu'aux utilisateurs plus expérimentés, avec des suggestions pour un apprentissage plus approfondi.

Inconvénients:

La version Kindle contient de nombreuses erreurs de formatage, ce qui rend la lecture difficile. Les utilisateurs ont signalé des problèmes avec la table des matières, des liens hypertextes ne fonctionnant pas correctement et des segments de code Python illisibles en raison de problèmes de formatage. Certains lecteurs ont noté l'accent mis sur les algorithmes intégrés de SageMaker plutôt que sur d'autres frameworks comme TensorFlow.

(basé sur 10 avis de lecteurs)

Titre original :

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

Contenu du livre :

Construire et déployer rapidement des modèles d'apprentissage automatique sans gérer d'infrastructure, et améliorer la productivité en utilisant les fonctionnalités d'Amazon SageMaker telles qu'Amazon SageMaker Studio, Autopilot, Experiments, Debugger, et Model Monitor.

Caractéristiques principales

⬤ Construisez, formez et déployez rapidement des modèles d'apprentissage automatique à l'aide d'Amazon SageMaker.

⬤ Analysez, détectez et recevez des alertes relatives à divers problèmes commerciaux à l'aide d'algorithmes et de techniques d'apprentissage automatique.

⬤ Améliorer la productivité en entraînant et en affinant les modèles d'apprentissage automatique en production.

Description du livre

Amazon SageMaker vous permet de construire, d'entraîner et de déployer rapidement des modèles d'apprentissage machine (ML) à grande échelle, sans avoir à gérer d'infrastructure. Il vous aide à vous concentrer sur le problème de l'apprentissage automatique et à déployer des modèles de haute qualité en supprimant les tâches lourdes généralement impliquées dans chaque étape du processus d'apprentissage automatique. Ce livre est un guide complet pour les data scientists et les développeurs ML qui veulent apprendre les tenants et les aboutissants d'Amazon SageMaker.

Vous comprendrez comment utiliser les différents modules de SageMaker comme un ensemble d'outils unique pour résoudre les défis rencontrés en ML. Au fur et à mesure de votre progression, vous découvrirez des fonctionnalités telles que AutoML, des algorithmes et des frameworks intégrés, ainsi que la possibilité d'écrire votre propre code et vos propres algorithmes pour construire des modèles de ML. Plus tard, le livre vous montrera comment intégrer Amazon SageMaker avec des bibliothèques d'apprentissage profond populaires telles que TensorFlow et PyTorch pour augmenter les capacités des modèles existants. Vous apprendrez également à mettre les modèles en production plus rapidement, avec un minimum d'efforts et à moindre coût. Enfin, vous explorerez comment utiliser Amazon SageMaker Debugger pour analyser, détecter et mettre en évidence les problèmes afin de comprendre l'état actuel du modèle et d'améliorer sa précision.

À la fin de ce livre Amazon, vous serez en mesure d'utiliser Amazon SageMaker sur l'ensemble des flux de travail de ML, de l'expérimentation, l'entraînement et la surveillance à la mise à l'échelle, au déploiement et à l'automatisation.

Ce que vous apprendrez

⬤ Créer et automatiser des flux de travail d'apprentissage automatique de bout en bout sur Amazon Web Services (AWS)

⬤ Vous vous familiariserez avec les techniques d'annotation et de préparation des données.

⬤ Utiliser les fonctionnalités AutoML pour construire et former des modèles d'apprentissage automatique avec AutoPilot.

⬤ Créez des modèles à l'aide d'algorithmes et de cadres intégrés et de votre propre code.

⬤ Entraînez des modèles de vision artificielle et de NLP en utilisant des exemples du monde réel.

⬤ Couvrir les techniques de formation pour la mise à l'échelle, l'optimisation des modèles, le débogage des modèles et l'optimisation des coûts.

⬤ L'automatisation des tâches de déploiement dans une variété de configurations à l'aide du SDK et de plusieurs outils d'automatisation.

A qui s'adresse ce livre ?

Ce livre s'adresse aux ingénieurs logiciels, aux développeurs en apprentissage automatique, aux scientifiques des données et aux utilisateurs d'AWS qui utilisent pour la première fois Amazon SageMaker et qui souhaitent construire des modèles d'apprentissage automatique de haute qualité sans se soucier de l'infrastructure. Une connaissance des bases d'AWS est nécessaire pour mieux appréhender les concepts abordés dans ce livre. Une certaine compréhension des concepts d'apprentissage automatique et du langage de programmation Python sera également utile.

Autres informations sur le livre :

• ISBN : 9781800208919
• Auteur : Julien Simon
• Éditeur : Packt Pub
• Reliure : Broché