Bewertung:
Die Rezensionen zu „Learn Amazon SageMaker (Second Edition)“ von Julien Simon heben die Effektivität des Buches als umfassenden und praktischen Leitfaden für das Verständnis und die Verwendung von Amazon SageMaker hervor. Viele Rezensenten schätzen den praxisorientierten Ansatz, die Klarheit und den Umfang des Buches, das eine breite Palette von Themen abdeckt, die für Datenwissenschaftler, Analysten und Liebhaber des maschinellen Lernens relevant sind. Einige bemängeln jedoch die Kürze des Buches in Bezug auf bestimmte fortgeschrittene Themen und potenzielle Herausforderungen.
Vorteile:⬤ Umfassende Abdeckung der SageMaker-Funktionen, einschließlich praktischer Übungen.
⬤ Einsteigerfreundliche Erklärungen und Schritt-für-Schritt-Anleitungen.
⬤ Wertvolle Einblicke in die Optimierung von Kosten und Leistung.
⬤ Sowohl für technische als auch für nicht-technische Zielgruppen geeignet.
⬤ Der Autor ist sehr sachkundig und sorgt für eine reibungslose Lernerfahrung.
⬤ Einigen Kapiteln mangelt es an Tiefe und Details zu bestimmten fortgeschrittenen Themen.
⬤ Knappheit bei der Erörterung potenzieller Herausforderungen, denen Benutzer begegnen könnten.
⬤ Die Anweisungen für die Verwendung von SageMaker außerhalb von AWS sind möglicherweise zu kurz.
(basierend auf 9 Leserbewertungen)
Learn Amazon SageMaker - Second Edition: A guide to building, training, and deploying machine learning models for developers and data scientists
Schnelles Erstellen und Bereitstellen von Modellen für maschinelles Lernen ohne Verwaltung der Infrastruktur und Steigerung der Produktivität mithilfe der neuesten Amazon SageMaker-Funktionen wie Studio, Autopilot, Data Wrangler, Pipelines und Feature Store
Hauptmerkmale:
⬤ Schnelle Erstellung, Schulung und Bereitstellung von Machine Learning-Modellen mit Amazon SageMaker.
⬤ Optimieren Sie die Genauigkeit, Kosten und Fairness Ihrer Modelle.
⬤ Erstellen und automatisieren Sie End-to-End-Workflows für maschinelles Lernen auf Amazon Web Services (AWS)
Buchbeschreibung:
Amazon SageMaker ermöglicht Ihnen das schnelle Erstellen, Trainieren und Bereitstellen von Modellen für maschinelles Lernen in großem Umfang, ohne dass Sie eine Infrastruktur verwalten müssen. Es hilft Ihnen, sich auf das eigentliche Problem des maschinellen Lernens zu konzentrieren und qualitativ hochwertige Modelle bereitzustellen, indem es die schwere Arbeit eliminiert, die normalerweise in jedem Schritt des ML-Prozesses anfällt. Diese zweite Auflage hilft Datenwissenschaftlern und ML-Entwicklern, neue Funktionen wie SageMaker Data Wrangler, Pipelines, Clarify, Feature Store und vieles mehr zu erkunden.
Sie lernen zunächst, wie Sie die verschiedenen Funktionen von SageMaker als ein einziges Toolset nutzen können, um ML-Herausforderungen zu lösen. Im weiteren Verlauf werden Funktionen wie AutoML, integrierte Algorithmen und Frameworks sowie das Schreiben von eigenem Code und Algorithmen zur Erstellung von ML-Modellen behandelt. Das Buch zeigt Ihnen dann, wie Sie Amazon SageMaker mit beliebten Deep-Learning-Bibliotheken wie TensorFlow und PyTorch integrieren können, um die Fähigkeiten bestehender Modelle zu erweitern. Sie werden auch sehen, wie die Automatisierung Ihrer Arbeitsabläufe Ihnen helfen kann, mit minimalem Aufwand und zu geringeren Kosten schneller zur Produktion zu gelangen. Schließlich lernen Sie den SageMaker Debugger und den SageMaker Model Monitor kennen, um Qualitätsprobleme in Training und Produktion zu erkennen.
Am Ende dieses Amazon-Buches werden Sie in der Lage sein, Amazon SageMaker für das gesamte Spektrum von ML-Workflows zu verwenden, von Experimenten, Schulungen und Überwachung bis hin zur Skalierung, Bereitstellung und Automatisierung.
Was Sie lernen werden:
⬤ Sie werden mit den Techniken der Datenannotation und -aufbereitung vertraut gemacht.
⬤ AutoML-Funktionen zum Erstellen und Trainieren von Machine-Learning-Modellen mit AutoPilot nutzen.
⬤ Erstellen Sie Modelle mit integrierten Algorithmen und Frameworks sowie eigenem Code.
⬤ Trainieren Sie Modelle für maschinelles Sehen und die Verarbeitung natürlicher Sprache (NLP) anhand von Beispielen aus der Praxis.
⬤ Schulungstechniken für Skalierung, Modelloptimierung, Modelldebugging und Kostenoptimierung abdecken.
⬤ Automatisierung von Bereitstellungsaufgaben in einer Vielzahl von Konfigurationen mit SDK und verschiedenen Automatisierungswerkzeugen.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an Software-Ingenieure, Entwickler für maschinelles Lernen, Datenwissenschaftler und AWS-Benutzer, die Amazon SageMaker zum ersten Mal verwenden und hochwertige maschinelle Lernmodelle erstellen möchten, ohne sich um die Infrastruktur kümmern zu müssen. Kenntnisse der AWS-Grundlagen sind erforderlich, um die in diesem Buch behandelten Konzepte besser zu verstehen. Ein solides Verständnis von Konzepten des maschinellen Lernens und der Programmiersprache Python ist ebenfalls von Vorteil.
| ISBN: | 9781801817950 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
