Avis des lecteurs
Résumé:Ce livre est salué pour son approche pratique des MLOps, offrant une mise en œuvre concrète et des exemples réels, notamment à l'aide des services Azure. Il couvre les concepts fondamentaux et constitue une bonne introduction pour les débutants comme pour les ingénieurs chevronnés. Cependant, il a été critiqué pour ses fautes de frappe, son contenu obsolète et sa dépendance à Azure, ce qui pourrait limiter son applicabilité pour ceux qui utilisent d'autres plates-formes cloud.
Avantages:⬤ Des exemples pratiques et une mise en œuvre concrète
⬤ un langage clair et simple
⬤ une vue d'ensemble complète des MLOps
⬤ bénéfique pour les ingénieurs expérimentés et les professionnels
⬤ une couverture de haut niveau des différentes techniques MLOps
⬤ un bon équilibre entre la théorie et la pratique
⬤ fortement recommandé pour les débutants.
⬤ Relecture laxiste avec plusieurs fautes de frappe
⬤ les exemples peuvent devenir obsolètes avec les mises à jour d'Azure
⬤ certains contenus donnent l'impression d'être une boîte noire en raison de la forte dépendance à Azure
⬤ manque de connaissances théoriques approfondies sur l'analyse des performances des modèles
⬤ problèmes de divergences de code entre le livre et le référentiel.
(basé sur 15 avis de lecteurs)
Titre original :
Engineering MLOps: Rapidly build, test, and manage production-ready machine learning life cycles at scale
Contenu du livre :
Soyez opérationnel avec la gestion du cycle de vie de l'apprentissage automatique et mettez en œuvre les MLOps dans votre organisation.
Caractéristiques principales :
⬤ Apprenez à maîtriser les techniques MLOps pour contrôler la qualité des modèles d'apprentissage automatique en production.
⬤ Les participants à ce séminaire ont pu découvrir un cadre de surveillance pour les modèles d'apprentissage automatique en production et se familiariser avec la traçabilité de bout en bout pour les modèles déployés.
⬤ Les résultats de l'étude ont été publiés dans le journal de l'Université d'Ottawa.
Description du livre :
MLOps est une approche systématique de la construction, du déploiement et de la surveillance des solutions d'apprentissage machine (ML). Il s'agit d'une discipline d'ingénierie qui peut être appliquée à divers secteurs et cas d'utilisation. Ce livre présente des aperçus complets sur les MLOps associés à des exemples du monde réel pour vous aider à écrire des programmes, à former des modèles ML robustes et évolutifs, et à construire des pipelines ML pour former et déployer des modèles en toute sécurité dans la production.
Le livre commence par vous familiariser avec le flux de travail MLOps afin que vous puissiez commencer à écrire des programmes pour former des modèles d'apprentissage automatique. Vous explorerez ensuite les options de sérialisation et d'empaquetage des modèles de ML après l'entraînement afin de les déployer pour faciliter l'inférence de l'apprentissage automatique, l'interopérabilité des modèles et la traçabilité des modèles de bout en bout. Vous comprendrez comment construire des pipelines de ML, des pipelines d'intégration et de livraison continues (CI/CD) et des pipelines de surveillance pour construire, déployer, surveiller et gouverner systématiquement les solutions de ML pour les entreprises et les industries. Enfin, vous appliquerez les connaissances acquises à des projets concrets.
À la fin de ce livre sur la ML, vous aurez une vue à 360 degrés des MLOps et serez prêt à les mettre en œuvre dans votre organisation.
Ce que vous apprendrez
⬤ Formuler des stratégies de gouvernance des données et des pipelines pour la formation et le déploiement du ML.
⬤ Les participants apprendront à mettre en œuvre des pipelines de ML, des pipelines CI/CD et des pipelines de surveillance de ML.
⬤ Concevoir un microservice et une API robustes et évolutifs pour les environnements de test et de production.
⬤ Les processus de CD personnalisés pour les cas d'utilisation et les organisations connexes.
⬤ La surveillance des modèles de ML, y compris la surveillance de la dérive des données, de la dérive du modèle et de la performance de l'application.
⬤ Construire et maintenir des systèmes automatisés de ML.
À qui s'adresse ce livre :
Ce livre MLOps s'adresse aux data scientists, aux ingénieurs logiciels, aux ingénieurs DevOps, aux ingénieurs en apprentissage automatique et aux dirigeants d'entreprise et de technologie qui souhaitent construire, déployer et maintenir des systèmes ML en production en utilisant les principes et les techniques MLOps. Des connaissances de base en apprentissage automatique sont nécessaires pour commencer à lire ce livre.
Autres informations sur le livre :
| ISBN : | 9781800562882 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
