Ingineria învățării automate cu Python - Ediția a doua: Gestionați ciclul de viață al modelelor de învățare automată utilizând MLOps cu exemple practice

Recenzii ale cititorilor

Cartea „Machine Learning Engineering with Python” este un ghid cuprinzător pentru practicienii care doresc să își îmbunătățească abilitățile MLOps și să înțeleagă ciclul de viață al modelelor de învățare automată. Aceasta combină în mod eficient conceptele teoretice cu exemple practice pe diverse teme, ceea ce o face potrivită pentru cititori cu diferite niveluri de expertiză, deși se recomandă anumite cunoștințe fundamentale.

Conținut bine structurat, acoperire cuprinzătoare a conceptelor ML, exemple practice, potrivit pentru diferite niveluri de competență, explicații bune, include instrumente și tehnologii moderne (cum ar fi LLM, AWS și Kubernetes) și se concentrează pe practicile critice MLOps. Ușor de digerat și captivant pentru cei care doresc să aplice ML în contexte reale.

Nu este ideal pentru începători compleți; sunt necesare cunoștințe prealabile de Python și concepte ML de bază. Unele conținuturi pot deveni rapid depășite din cauza naturii rapide a domeniului. Lipsește explorarea aprofundată a anumitor subiecte avansate și ar putea integra mai multe studii de caz practice, în special în domenii precum AI generativ. Accentul tinde să se aplece asupra celor mai bune practici de inginerie software, mai degrabă decât asupra teoriei ML aprofundate.

(pe baza a 25 recenzii ale cititorilor)

Titlul original:

Machine Learning Engineering with Python - Second Edition: Manage the lifecycle of machine learning models using MLOps with practical examples

Conținutul cărții:

Transformați-vă proiectele de învățare automată în implementări de succes cu acest ghid practic despre cum să construiți și să extindeți soluții care rezolvă probleme din lumea reală

Include un capitol nou despre inteligența artificială generativă și modele lingvistice mari (LLM) și construirea unei conducte care valorifică LLM utilizând LangChain

Caracteristici principale:

⬤ Această a doua ediție aprofundează subiectele cheie ale învățării automate, CI/CD și proiectarea sistemului.

⬤ Explorați practicile MLOps de bază, cum ar fi gestionarea modelelor și monitorizarea performanței.

⬤ Construiți exemple end-to-end de microservicii și conducte ML implementabile folosind AWS și instrumente open-source.

Descrierea cărții:

Machine Learning Engineering with Python, 2nd Edition, este ghidul practic de care inginerii MLOps și ML au nevoie pentru a construi soluții robuste de rezolvare a problemelor din lumea reală, oferindu-vă abilitățile și cunoștințele necesare pentru a rămâne în frunte în acest domeniu care evoluează rapid.

Cartea are o abordare practică, axată pe exemple, oferind concepte tehnice esențiale, modele de implementare și metodologii de dezvoltare. Veți trece de la înțelegerea etapelor cheie ale ciclului de viață al dezvoltării învățării automate la construirea și implementarea de soluții robuste de învățare automată. După ce ați stăpânit elementele de bază, veți pune mâna pe arhitecturi de implementare și veți descoperi metode de scalare a soluțiilor dvs.

Această ediție aprofundează ingineria ML și MLOps, cu un accent mai puternic pe ML. Veți duce CI/CD mai departe cu formarea și testarea continuă și veți aprofunda derivarea datelor și a conceptelor.

Cu un nou capitol AI generativ, explorați Hugging Face, PyTorch și GitHub Copilot și consumați un LLM prin intermediul unui API folosind LangChain. Veți acoperi, de asemenea, considerații de învățare profundă privind fluxul de lucru, hardware-ul și scalarea volumelor de lucru, precum și orchestrarea fluxurilor de lucru cu Airlfow și Kafka. Veți profita de ZenML ca opțiune open-source pentru dirijarea fluxurilor de date și veți continua implementarea cu implementări canary, blue și green.

Ce veți învăța:

⬤ Planificați și gestionați etapele proiectelor de dezvoltare a învățării automate.

⬤ Explorați RNA, DNN și LLM și vă familiarizați cu creșterea AI generativă în MLOps.

⬤ Utilizați Python pentru a vă împacheta propriile instrumente ML și pentru a extinde soluțiile cu Apache Spark, Kubernetes și Apache Airflow.

⬤ Utilizați AutoML pentru reglarea hiperparametrilor.

⬤ Detectați derapajele și creați mecanisme robuste în soluțiile dvs.

⬤ Supraîncărcați gestionarea erorilor cu fluxuri de control robuste și scanarea vulnerabilităților.

⬤ Hostați și construiți un microserviciu ML utilizând AWS și Flask.

Pentru cine este această carte:

Această carte este concepută pentru inginerii MLOps și ML, cercetătorii de date și dezvoltatorii de software care doresc să construiască soluții robuste care utilizează învățarea automată pentru a rezolva probleme din lumea reală. Dacă nu sunteți dezvoltator, dar doriți să gestionați sau să înțelegeți ciclul de viață al produselor acestor sisteme, veți găsi, de asemenea, această carte utilă. Aceasta presupune o cunoaștere de bază a conceptelor de învățare automată și o experiență intermediară de programare în Python. Punând accentul pe abilitățile practice și pe exemple din lumea reală, această carte este o resursă esențială pentru oricine dorește să avanseze în cariera de inginer de învățare automată.