Ingineria învățării automate cu MLflow: Gestionați ciclul de viață al învățării automate de la un capăt la altul cu MLflow

Recenzii ale cititorilor

În general, cartea privind MLflow primește recenzii mixte. Mulți apreciază prezentarea sa cuprinzătoare și exemplele practice, ceea ce o face deosebit de utilă pentru practicienii intermediari până la avansați care doresc să gestioneze ciclurile de viață ale învățării automate. Cu toate acestea, se luptă cu calitatea scrierii, conține greșeli de scriere și are probleme cu unele exemple de cod. Deși oferă informații valoroase, unii cititori au avut dificultăți cu depanarea codului și au remarcat lipsa de acoperire pentru datele nestructurate.

⬤ Prezentare cuprinzătoare a MLflow și a funcționalităților sale.
⬤ Exemple practice și exerciții hands-on cu Docker.
⬤ Conținut bine structurat care este ușor de urmărit pentru cei cu cunoștințe anterioare.
⬤ Util pentru înțelegerea ciclului de viață ML și a celor mai bune practici.
⬤ Bun pentru practicienii ML medii și avansați.

⬤ Calitate slabă a scrierii și prezența greșelilor de scriere pe tot parcursul.
⬤ Unele exemple de cod nu funcționează conform destinației, ceea ce duce la probleme de depanare.
⬤ Nu este ușor pentru începători; necesită cunoștințe prealabile de ML și instrumente conexe.
⬤ Acoperire limitată a cazurilor de utilizare a datelor nestructurate.
⬤ Îngrijorări cu privire la fiabilitatea depozitului GitHub însoțitor.

(pe baza a 15 recenzii ale cititorilor)

Titlul original:

Machine Learning Engineering with MLflow: Manage the end-to-end machine learning life cycle with MLflow

Conținutul cărții:

Deveniți funcțional și productiv în cel mai scurt timp cu MLflow folosind cea mai eficientă abordare de inginerie a învățării automate

Caracteristici principale:

⬤ Explorați fluxurile de lucru de învățare automată pentru enunțarea problemelor ML într-un mod concis și clar folosind MLflow.

⬤ Utilizați MLflow pentru a dezvolta iterativ un model ML și pentru a-l gestiona.

⬤ Descoperiți și lucrați cu caracteristicile disponibile în MLflow pentru a duce fără probleme un model de la faza de dezvoltare la un mediu de producție.

Descrierea cărții:

MLflow este o platformă pentru ciclul de viață al învățării automate care permite dezvoltarea structurată și iterația modelelor de învățare automată și o tranziție fără probleme în medii de producție scalabile.

Această carte vă va prezenta diferitele caracteristici ale MLflow și modul în care le puteți implementa în proiectul dvs. ML. Veți începe prin a încadra o problemă ML și apoi vă veți transforma soluția cu MLflow, adăugând un mediu de lucru, o infrastructură de instruire, gestionarea datelor, gestionarea modelelor, experimentarea și tehnici de implementare ML de ultimă generație în cloud și la sediu. Cartea explorează, de asemenea, tehnici de extindere a fluxului dvs. de lucru, precum și tehnici de monitorizare a performanței. Pe măsură ce avansați, veți descoperi cum să creați un tablou de bord operațional pentru a gestiona sistemele de învățare automată. Ulterior, veți afla cum puteți utiliza MLflow în contextul AutoML, al detectării anomaliilor și al învățării profunde cu ajutorul cazurilor de utilizare. În plus, veți înțelege cum să utilizați platformele de învățare automată pentru dezvoltarea locală, precum și pentru mediile cloud și gestionate. Această carte vă va arăta, de asemenea, cum să utilizați MLflow în limbaje care nu sunt bazate pe Python, cum ar fi R și Java, împreună cu acoperirea abordărilor pentru extinderea MLflow cu plugin-uri.

Până la sfârșitul acestei cărți de învățare automată, veți fi capabil să produceți și să implementați algoritmi fiabili de învățare automată utilizând MLflow în medii multiple.

Ce veți învăța:

⬤ Dezvoltați proiectul de învățare automată la nivel local cu diferitele caracteristici ale MLflow.

⬤ Configurați un server centralizat de urmărire MLflow pentru a gestiona mai multe experimente MLflow.

⬤ Crearea unui ciclu de viață al modelului cu MLflow prin crearea de modele personalizate.

⬤ Utilizați fluxurile de caracteristici pentru a înregistra rezultatele modelului cu MLflow.

⬤ dezvoltați infrastructura completă a conductei de formare utilizând caracteristicile MLflow.

⬤ Configurați o conductă API bazată pe inferență și o conductă pe loturi în MLflow.

⬤ Extindeți volume mari de date prin integrarea MLflow cu biblioteci big data de înaltă performanță.

Pentru cine este această carte:

Această carte este destinată oamenilor de știință de date, inginerilor de învățare automată și inginerilor de date care doresc să dobândească experiență practică în ingineria învățării automate și să învețe cum pot gestiona un ciclu de viață de la un capăt la altul al învățării automate cu ajutorul MLflow. Se așteaptă cunoștințe de nivel intermediar ale limbajului de programare Python.