Avis des lecteurs
Résumé:Ce livre est considéré comme une ressource importante pour les praticiens et les chercheurs qui cherchent à apprendre et à construire des pipelines d'apprentissage automatique avec TensorFlow Extended (TFX) et Apache Beam. Il fournit une introduction claire, des informations précieuses et une approche pratique. Cependant, ses exemples peuvent être dépassés, certains codes sont difficiles à reproduire et les avis sont partagés quant à sa valeur globale.
Avantages:⬤ Ressource essentielle pour les praticiens TFX et les ingénieurs ML.
⬤ Explications claires, concises et bien structurées.
⬤ Couverture complète du développement et de l'automatisation des pipelines d'apprentissage automatique.
⬤ Très peu de ressources sont disponibles pour TFX, ce qui rend ce livre particulièrement précieux.
⬤ Suffisamment attrayant pour être lu rapidement.
⬤ Les exemples peuvent être basés sur une ancienne version de TFX.
⬤ Certains exemples de code ne peuvent être reproduits sans révision.
⬤ Certaines critiques suggèrent que le contenu est mince et ne vaut pas le prix.
⬤ Peut nécessiter de solides connaissances en apprentissage automatique pour une bonne compréhension.
(basé sur 9 avis de lecteurs)
Titre original :
Building Machine Learning Pipelines: Automating Model Life Cycles with Tensorflow
Contenu du livre :
Les entreprises dépensent des milliards dans des projets d'apprentissage automatique, mais c'est de l'argent gaspillé si les modèles ne peuvent pas être déployés efficacement. Dans ce guide pratique, Hannes Hapke et Catherine Nelson vous guident à travers les étapes de l'automatisation d'un pipeline d'apprentissage automatique à l'aide de l'écosystème TensorFlow. Vous apprendrez les techniques et les outils qui réduiront le temps de déploiement de quelques jours à quelques minutes, afin que vous puissiez vous concentrer sur le développement de nouveaux modèles plutôt que sur la maintenance des systèmes existants.
Les scientifiques des données, les ingénieurs en apprentissage automatique et les ingénieurs DevOps découvriront comment aller au-delà du développement de modèles pour produire avec succès leurs projets de science des données, tandis que les gestionnaires comprendront mieux le rôle qu'ils jouent pour aider à accélérer ces projets.
⬤ Comprendre les étapes de construction d'un pipeline d'apprentissage automatique.
⬤ Construire votre pipeline en utilisant les composants de TensorFlow Extended.
⬤ Expérimenter votre pipeline d'apprentissage automatique avec Apache Beam, Apache Airflow et Kubeflow Pipelines.
⬤ Travailler avec des données en utilisant TensorFlow Data Validation et TensorFlow Transform.
⬤ Analyser un modèle en détail à l'aide de TensorFlow Model Analysis.
⬤ Examiner l'équité et la partialité dans la performance de votre modèle.
⬤ Déployer des modèles avec TensorFlow Serving ou TensorFlow Lite pour les appareils mobiles.
⬤ Apprendre des techniques d'apprentissage automatique préservant la vie privée.
Autres informations sur le livre :
| ISBN : | 9781492053194 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 366 |
Achat:
Actuellement disponible, en stock.
