Bewertung:
Das Buch gilt als wichtige Ressource für Praktiker und Forscher, die maschinelle Lernpipelines mit TensorFlow Extended (TFX) und Apache Beam erlernen und aufbauen wollen. Es bietet eine klare Einführung, wertvolle Einblicke und einen praktischen Ansatz. Die Beispiele können jedoch veraltet sein, einige Codes sind schwer zu reproduzieren und der Gesamtwert des Buches wird unterschiedlich beurteilt.
Vorteile:⬤ Unverzichtbare Ressource für TFX-Praktiker und ML-Ingenieure.
⬤ Klare, prägnante und gut strukturierte Erklärungen.
⬤ Umfassende Abdeckung der Entwicklung und Automatisierung von Pipelines für maschinelles Lernen.
⬤ Sehr wenige Ressourcen für TFX verfügbar, was dieses Buch besonders wertvoll macht.
⬤ Fesselnd genug, um es schnell durchzulesen.
⬤ Beispiele können auf einer älteren Version von TFX basieren.
⬤ Einige Code-Beispiele können nicht ohne Überarbeitung reproduziert werden.
⬤ Einige Rezensionen weisen darauf hin, dass der Inhalt dünn ist und den Preis nicht wert ist.
⬤ Erfordert möglicherweise einen soliden Hintergrund in maschinellem Lernen, um alles zu verstehen.
(basierend auf 9 Leserbewertungen)
Building Machine Learning Pipelines: Automating Model Life Cycles with Tensorflow
Unternehmen geben Milliarden für Machine-Learning-Projekte aus, aber es ist verschwendetes Geld, wenn die Modelle nicht effektiv eingesetzt werden können. In diesem praktischen Leitfaden führen Hannes Hapke und Catherine Nelson Sie durch die Schritte zur Automatisierung einer Pipeline für maschinelles Lernen unter Verwendung des TensorFlow-Ökosystems. Sie lernen die Techniken und Werkzeuge kennen, die die Bereitstellungszeit von Tagen auf Minuten verkürzen, so dass Sie sich auf die Entwicklung neuer Modelle konzentrieren können, anstatt Altsysteme zu pflegen.
Datenwissenschaftler, Ingenieure für maschinelles Lernen und DevOps-Ingenieure werden entdecken, wie sie über die Modellentwicklung hinausgehen können, um ihre Data-Science-Projekte erfolgreich produktiv zu machen, während Manager besser verstehen werden, welche Rolle sie bei der Beschleunigung dieser Projekte spielen.
⬤ Verstehen Sie die Schritte zum Aufbau einer Pipeline für maschinelles Lernen.
⬤ Bauen Sie Ihre Pipeline mit Komponenten von TensorFlow Extended auf.
⬤ Ihre maschinelle Lernpipeline mit Apache Beam, Apache Airflow und Kubeflow Pipelines zu optimieren.
⬤ Arbeiten Sie mit Daten mit TensorFlow Data Validation und TensorFlow Transform.
⬤ Analysieren Sie ein Modell im Detail mit TensorFlow Model Analysis.
⬤ Untersuchen Sie Fairness und Verzerrungen in Ihrer Modellleistung.
⬤ Modelle mit TensorFlow Serving oder TensorFlow Lite für mobile Geräte bereitstellen.
⬤ Lernen Sie Techniken des maschinellen Lernens zur Wahrung der Privatsphäre.
| ISBN: | 9781492053194 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 366 |
Derzeit verfügbar, auf Lager.
