Kontinuierliches maschinelles Lernen mit Kubeflow: Zuverlässige Mlops mit den Fähigkeiten von Tfx, Sagemaker und Kubernetes durchführen

Bewertung:   (4,7 von 5)

Kontinuierliches maschinelles Lernen mit Kubeflow: Zuverlässige Mlops mit den Fähigkeiten von Tfx, Sagemaker und Kubernetes durchführen (Aniruddha Choudhury)

Leserbewertungen

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 4 Stimmen.

Originaltitel:

Continuous Machine Learning with Kubeflow: Performing Reliable Mlops with Capabilities of Tfx, Sagemaker and Kubernetes

Inhalt des Buches:

Eine aufschlussreiche Reise zu MLOps, DevOps und maschinellem Lernen in der realen Umgebung.

KEY FEATURES

⬤  Umfassende Kenntnisse und Konzepterklärungen zu Kubernetes-Komponenten mit Beispielen.

⬤  Ein All-in-One-Wissensleitfaden zum Trainieren und Bereitstellen von ML-Pipelines mit Docker und Kubernetes.

⬤  Enthält zahlreiche MLOps-Projekte mit Zugang zu bewährten Frameworks und der Nutzung von Deep-Learning-Konzepten.

DESCRIPTION

'Continuous Machine Learning with Kubeflow' führt Sie in die moderne Machine-Learning-Infrastruktur ein, zu der Kubernetes und die Kubeflow-Architektur gehören. In diesem Buch werden die Grundlagen der Bereitstellung verschiedener KI/ML-Anwendungsfälle mit TensorFlow-Training und Serving mit Kubernetes erklärt und wie Kubernetes bei spezifischen Projekten von Anfang bis Ende helfen kann.

Dieses Buch zeigt, wie man Kubeflow-Komponenten verwendet, sie in GCP einsetzt und sie in der Produktion mit Echtzeit-Datenvorhersage bedient. Mit Kubeflow KFserving werden wir uns Serving-Techniken ansehen, eine auf Computer Vision basierende Benutzeroberfläche in Streamlit erstellen und sie dann auf den Google Cloud-Plattformen Kubernetes und Heroku bereitstellen. Als Nächstes erforschen wir, wie Explainable AI zur Bestimmung von Fairness und Verzerrung mit einem What-if-Tool aufgebaut werden kann. Anhand verschiedener Anwendungsfälle lernen wir, wie man maschinelles Lernen in die Produktion bringt, einschließlich Training und Serving.

(WAS SIE LERNEN WERDEN)

⬤  Machen Sie sich mit der Architektur und der Orchestrierung von Kubernetes vertraut.

⬤  Lernen Sie die Containerisierung und Bereitstellung von Grund auf mit Docker und Google Cloud Platform.

⬤  Üben Sie, wie Sie die Kubeflow Orchestrator-Pipeline für ein TensorFlow-Modell entwickeln.

⬤  Erstellen Sie AWS SageMaker-Pipelines, von der Schulung bis zur Bereitstellung in der Produktion.

⬤  Erstellen Sie die TensorFlow Extended (TFX) Pipeline für eine NLP-Anwendung mit Tensorboard und TFMA.

FÜR WEN DIESES BUCH IST

Dieses Buch richtet sich an MLOps, DevOps, Ingenieure für maschinelles Lernen und Datenwissenschaftler, die Pipelines für maschinelles Lernen kontinuierlich bereitstellen und mithilfe von Kubernetes in großem Umfang verwalten möchten. Die Leser sollten über einen soliden Hintergrund in maschinellem Lernen verfügen und einige Kenntnisse über Kubernetes sind erforderlich.

Weitere Daten des Buches:

ISBN:9789389898507
Autor:
Verlag:
Sprache:Englisch
Einband:Taschenbuch

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Kontinuierliches maschinelles Lernen mit Kubeflow: Zuverlässige Mlops mit den Fähigkeiten von Tfx,...
Eine aufschlussreiche Reise zu MLOps, DevOps und...
Kontinuierliches maschinelles Lernen mit Kubeflow: Zuverlässige Mlops mit den Fähigkeiten von Tfx, Sagemaker und Kubernetes durchführen - Continuous Machine Learning with Kubeflow: Performing Reliable Mlops with Capabilities of Tfx, Sagemaker and Kubernetes

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)