Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Mastering Mlops Architecture: From Code to Deployment: Manage the Production Cycle of Continual Learning ML Models with Mlops
Contenu du livre :
Exploitez la puissance de MLOps pour gérer le cycle de projet d'apprentissage automatique en temps réel.
Caractéristiques principales
● Couverture complète des concepts, de l'architecture, des outils et des techniques MLOps.
● Accent pratique sur la construction de systèmes ML de bout en bout pour l'apprentissage continu avec MLOps.
● Des aperçus exploitables sur le CI/CD, la surveillance, la formation continue des modèles et le recyclage automatisé.
Description
MLOps, une combinaison de DevOps, d'ingénierie des données et d'apprentissage automatique, est crucial pour fournir des résultats d'apprentissage automatique de haute qualité en raison de la nature dynamique des données d'apprentissage automatique. Ce livre se penche sur MLOps, couvrant ses concepts fondamentaux, ses composants et son architecture, démontrant comment MLOps favorise des systèmes d'apprentissage automatique robustes et en constante amélioration.
En couvrant le pipeline d'apprentissage automatique de bout en bout, des données au déploiement, le livre aide les lecteurs à mettre en œuvre des flux de travail MLOps. Il aborde des techniques telles que l'ingénierie des fonctionnalités, le développement de modèles, les tests A/B et les déploiements de canaris. Le livre permet aux lecteurs d'acquérir des connaissances sur les outils et l'infrastructure MLOps pour des tâches telles que le suivi des modèles, la gouvernance des modèles, la gestion des métadonnées et l'orchestration du pipeline. Les processus de surveillance et de maintenance pour détecter la dégradation des modèles sont couverts en profondeur. Les lecteurs peuvent acquérir des compétences pour construire des pipelines CI/CD efficaces, déployer des modèles plus rapidement et rendre leurs systèmes de ML plus fiables, robustes et prêts pour la production.
Dans l'ensemble, ce livre est un guide indispensable pour MLOps et ses applications pour fournir de la valeur commerciale grâce à l'apprentissage automatique continu et à l'IA.
Ce que vous apprendrez
● Architecturer une infrastructure MLOps robuste avec des composants tels que les feature stores.
● Exploiter les outils MLOps comme les registres de modèles, les magasins de métadonnées, les pipelines.
● Construire des flux de travail CI/CD pour déployer des modèles plus rapidement et de manière continue.
● Surveiller et maintenir les modèles en production pour détecter les dégradations.
● Créer des flux de travail automatisés pour le recyclage et la mise à jour des modèles en production.
À qui s'adresse ce livre ?
Spécialistes de l'apprentissage automatique, data scientists, professionnels DevOps, équipes de développement logiciel, et tous ceux qui souhaitent adopter l'approche DevOps dans leurs expériences et applications agiles d'apprentissage automatique. Une connaissance préalable de l'apprentissage automatique et de la programmation Python est souhaitée.
Table des matières
1. Démarrer avec MLOps
2. Architecture et composants de MLOps
3. Infrastructure et outils de MLOps
4. Qu'est-ce qu'un système d'apprentissage automatique ?
5. Préparation des données et développement de modèles
6. Déploiement du modèle et service
7. Livraison continue de modèles d'apprentissage automatique
8. Apprentissage continu
9. Surveillance, enregistrement et maintenance en continu
Autres informations sur le livre :
| ISBN : | 9789355519498 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2024 |
| Nombre de pages : | 226 |
Achat:
Actuellement disponible, en stock.
