Avis des lecteurs
Résumé:Le livre offre une exploration complète de l'ingénierie ML et des MLOps, avec des conseils pratiques et des histoires personnelles. Cependant, il a été critiqué pour sa qualité d'impression, son organisation et son contenu parfois superficiel.
Avantages:⬤ Couvre à la fois la théorie et la pratique de l'ingénierie ML et des MLOps
⬤ contient des conseils pratiques et des anecdotes personnelles
⬤ loué pour ses instructions étape par étape sur le déploiement de modèles sur AWS
⬤ fournit des informations solides pour les praticiens
⬤ inclut des détails sur les principales plates-formes cloud.
⬤ Ne convient pas aux débutants
⬤ mauvaise qualité de la version imprimée
⬤ structure désorganisée
⬤ manque de profondeur dans certains domaines
⬤ certains utilisateurs ont trouvé qu'il ressemblait à une collection de billets de blog plutôt qu'à un livre cohérent
⬤ inclut de l'autopromotion de la part de l'auteur.
(basé sur 14 avis de lecteurs)
Titre original :
Practical Mlops: Operationalizing Machine Learning Models
Contenu du livre :
La mise en production de vos modèles est le défi fondamental de l'apprentissage automatique. MLOps propose un ensemble de principes éprouvés visant à résoudre ce problème de manière fiable et automatisée. Ce guide perspicace vous explique ce qu'est le MLOps (et en quoi il diffère du DevOps) et vous montre comment le mettre en pratique pour opérationnaliser vos modèles d'apprentissage automatique.
Les ingénieurs en apprentissage automatique, actuels ou en devenir, ou toute personne familière avec la science des données et Python, pourront acquérir des bases sur les outils et méthodes MLOps (ainsi que sur AutoML, la surveillance et la journalisation), puis apprendre à les mettre en œuvre dans AWS, Microsoft Azure et Google Cloud. Plus vite vous fournirez un système d'apprentissage automatique qui fonctionne, plus vite vous pourrez vous concentrer sur les problèmes commerciaux que vous essayez de résoudre. Ce livre vous donne une longueur d'avance.
Vous découvrirez comment :
⬤ Appliquer les meilleures pratiques DevOps à l'apprentissage automatique.
⬤ Construire des systèmes d'apprentissage automatique de production et les maintenir.
⬤ Surveiller, instrumenter, tester la charge et opérationnaliser les systèmes d'apprentissage automatique.
⬤ Les outils de MLOps sont adaptés à une tâche d'apprentissage automatique donnée.
⬤ Exécuter des modèles d'apprentissage automatique sur une variété de plateformes et d'appareils, y compris les téléphones mobiles et le matériel spécialisé.
Autres informations sur le livre :
| ISBN : | 9781098103019 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 450 |
Achat:
Actuellement disponible, en stock.
