Avis des lecteurs
Résumé:Ce livre propose une introduction pratique à AWS MLOps, offrant des informations précieuses sur la science des données sur le cloud AWS. Il est bien structuré et couvre de nombreux services AWS de manière exhaustive. Cependant, certains lecteurs trouvent que les chapitres de codage ne sont pas clairs et que la qualité de l'impression laisse à désirer. Alors que certains louent sa profondeur et son étendue, d'autres critiquent le manque de conseils pratiques et d'organisation cohérente.
Avantages:⬤ Bien écrit et informatif
⬤ couvre un large éventail de services AWS
⬤ fournit des connaissances pratiques et un bon équilibre entre les explications et le code
⬤ riche en contenu pour le prix
⬤ référentiel de code activement maintenu
⬤ utile pour comprendre les processus d'apprentissage automatique de bout en bout sur AWS.
⬤ Certains chapitres manquent de clarté et ne sont pas pratiques
⬤ mauvaise qualité d'impression (noir et blanc, papier de mauvaise qualité)
⬤ manque de structure cohérente et d'instructions détaillées étape par étape
⬤ certains lecteurs ont reçu des copies utilisées ou usées
⬤ ne guide pas les lecteurs dans l'utilisation des services AWS comme prévu
⬤ considéré comme superficiel pour le prix.
(basé sur 25 avis de lecteurs)
Titre original :
Data Science on AWS: Implementing End-To-End, Continuous AI and Machine Learning Pipelines
Contenu du livre :
Grâce à cet ouvrage pratique, les praticiens de l'IA et de l'apprentissage automatique apprendront à élaborer et à déployer avec succès des projets de science des données sur Amazon Web Services. La pile Amazon AI et machine learning unifie la science des données, l'ingénierie des données et le développement d'applications pour vous aider à améliorer vos compétences. Ce guide vous montre comment construire et exécuter des pipelines dans le cloud, puis intégrer les résultats dans des applications en quelques minutes au lieu de quelques jours. Tout au long de l'ouvrage, les auteurs Chris Fregly et Antje Barth montrent comment réduire les coûts et améliorer les performances.
Les auteurs, Chris Fregly et Antje Barth, expliquent comment réduire les coûts et améliorer les performances : ⬤ Appliquer la pile Amazon AI et ML à des cas d'utilisation réels pour le traitement du langage naturel, la vision par ordinateur, la détection des fraudes, les appareils conversationnels, etc.
⬤ Utiliser l'apprentissage automatique pour mettre en œuvre un sous-ensemble spécifique de cas d'utilisation avec SageMaker Autopilot.
⬤ Plongez dans le cycle de développement complet d'un modèle pour un cas d'utilisation NLP basé sur BERT, y compris l'ingestion de données, l'analyse, l'entraînement du modèle et le déploiement.
⬤ Lier le tout dans un pipeline d'opérations d'apprentissage automatique reproductible.
⬤ Explorer la ML en temps réel, la détection d'anomalies et l'analyse en continu sur les flux de données avec Amazon Kinesis et Managed Streaming pour Apache Kafka.
⬤ Apprenez les meilleures pratiques de sécurité pour les projets de science des données et les flux de travail, y compris la gestion de l'identité et de l'accès, l'authentification, l'autorisation, et plus encore.
Autres informations sur le livre :
| ISBN : | 9781492079392 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 400 |
Achat:
Actuellement disponible, en stock.
