Avis des lecteurs
Résumé:Ce livre constitue une introduction de base aux MLOps, bien qu'il présente plusieurs lacunes importantes au niveau de l'exécution et de l'édition.
Avantages:Bonne introduction aux MLOps ; sert de point de départ.
Inconvénients:Mauvaise exécution avec un manque de profondeur, un contenu répétitif, une mauvaise édition et une mise en page inadéquate.
(basé sur 2 avis de lecteurs)
Titre original :
Beginning Mlops with Mlflow: Deploy Models in Aws Sagemaker, Google Cloud, and Microsoft Azure
Contenu du livre :
Chapitre 1 : Pour commencer : Analyse des données et ingénierie des fonctionnalités Objectif du chapitre : Établir les prémisses du problème que nous voulons résoudre avec l'apprentissage automatique. Analyser plusieurs ensembles de données et les traiter. Nombre de pages - 30 pages Sous-sujets - Thèmes 1. Prémisses 4. Chapitre 2 : Construire un modèle d'apprentissage automatique Objectif du chapitre : Construire un modèle d'apprentissage automatique sur un ensemble de données ou plusieurs ensembles de données que nous avons traités au chapitre 4. Nombre de pages - 40 pagesSous-thèmes : 1. Construire le modèle 2. Entraînement et test du modèle 3. Validation et optimisation Chapitre 3 : Qu'est-ce que MLOps ? Objectif du chapitre : Introduire le lecteur à MLOps, aux différentes étapes de l'automatisation dans les configurations MLOps, à l'automatisation avec pipeline, et à CI/CD et CD Deployment. Pipelines pour : du repo source au déploiement, services de prédiction, contrôle de performance, etc. Intégration continue (repo source mis à jour avec de nouveaux modèles), et Livraison continue (nouveaux modèles déployés). Nombre de pages - 40 pages Sous-thèmes 1. Qu'est-ce que MLOps ? 2. Mise en place de MLOps 3. Automatisation 4. CI/CD - Intégration et livraison continues 5. CD - Déploiement Chapitre 4 : Introduction à MLFlowBut du chapitre : Présenter au lecteur MLFlow et comment incorporer MLFlow dans notre processus de formation ML (PyTorch, Keras, TensorFlow) Nombre de pages - 30 pages Sous - Sujets : 1. Qu'est-ce que MLFlow ? 2. MLFlow dans PyTorch3. MLFlow dans Keras4.
MLFlow in TensorFlow Chapitre 5 : Déploiement sur AWS - 40 pages Objectif du chapitre : guider le lecteur dans le processus de déploiement d'une installation MLOps sur AWS SageMaker. -Description : Le chapitre guidera le lecteur à travers AWS SageMaker et l'aidera à déployer sa configuration MLOps (scripts de traitement de données, entraînement de modèle, test, scripts de validation) dans AWS.
Chapitre 6 : Déploiement dans Azure - 40 pages Objectif du chapitre : Guider le lecteur à travers le processus de déploiement d'une installation MLOps sur Microsoft Azure. -Description : Le chapitre guidera le lecteur à travers Microsoft Azure et l'aidera à déployer sa configuration MLOps (scripts de traitement des données, formation des modèles, tests, scripts de validation) dans Azure. Chapitre 7 : Déploiement dans Google - 40 pages Objectif du chapitre : Guider le lecteur dans le processus de déploiement d'une configuration MLOps dans Google Cloud. -Description : Le chapitre guidera le lecteur à travers Google Cloud et l'aidera à déployer sa configuration MLOps (scripts de traitement des données, formation de modèle, test, scripts de validation) dans Google Cloud. Annexe A : a2ml - 20 pages Objectif du chapitre : Ce chapitre de l'annexe est facultatif et guide les utilisateurs dans le processus de déploiement d'une configuration MLOps à l'aide de a2ml. -Description : Le chapitre guidera le lecteur à travers a2ml et l'aidera à déployer sa configuration MLOps (scripts de traitement de données, formation de modèle, test, scripts de validation) à travers a2ml.
Autres informations sur le livre :
| ISBN : | 9781484265482 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 330 |
Achat:
Actuellement disponible, en stock.
