Introducing Mlops: Cum să scalați învățarea automată în întreprinderi

Recenzii ale cititorilor

Cartea oferă o prezentare generală la nivel foarte înalt a conceptelor MLOps, dar este lipsită de profunzime și de orientări practice privind punerea în aplicare. În timp ce unii recenzenți au găsit valoare în organizarea și natura sa introductivă, mulți au criticat-o ca fiind prea simplistă, nu perspicace și disponibilă gratuit în altă parte. Materialul este descris ca fiind grăbit și lipsit de soluții concrete, ceea ce îl face nepotrivit pentru profesioniștii cu experiență în învățarea automată.

⬤ Structură organizată; ușor de urmărit.
⬤ Oferă o prezentare generală la nivel înalt a conceptelor MLOps.
⬤ Ar putea fi benefică pentru începătorii absoluți în ML/DS.

⬤ Foarte introductiv; lipsește profunzimea și soluțiile concrete.
⬤ Conținutul ar putea fi găsit printr-o simplă căutare pe Google.
⬤ Supraevaluat pentru cantitatea de conținut oferită.
⬤ Nu este util pentru cei care au cunoștințe anterioare de MLOps.
⬤ Materialul este disponibil gratuit pe site-ul lor și la o calitate mai bună.

(pe baza a 9 recenzii ale cititorilor)

Titlul original:

Introducing Mlops: How to Scale Machine Learning in the Enterprise

Conținutul cărții:

Mai mult de jumătate din modelele analitice și de învățare automată (ML) create de organizațiile de astăzi nu ajung niciodată în producție. Unele dintre provocările și barierele din calea operaționalizării sunt tehnice, dar altele sunt organizaționale. Oricum ar fi, concluzia este că modelele care nu sunt în producție nu pot avea impact asupra afacerii.

Această carte prezintă conceptele cheie ale MLOps pentru a ajuta cercetătorii de date și inginerii de aplicații nu numai să operaționalizeze modelele ML pentru a determina schimbări reale în afaceri, dar și să mențină și să îmbunătățească aceste modele în timp. Prin lecții bazate pe numeroase aplicații MLOps din întreaga lume, nouă experți în machine learning oferă informații despre cele cinci etape ale ciclului de viață al modelului - Construire, Preproducție, Implementare, Monitorizare și Guvernanță - descoperind cum pot fi infuzate procese MLOps robuste pe tot parcursul.

Această carte vă ajută:

⬤ Realizați valoarea științei datelor prin reducerea fricțiunii de-a lungul conductelor și fluxurilor de lucru ML.

⬤ Refinați modelele ML prin reantrenare, reglaj periodic și remodelare completă pentru a asigura acuratețea pe termen lung.

⬤ Desenați ciclul de viață MLOps pentru a minimiza riscurile organizaționale cu modele care sunt imparțiale, corecte și explicabile.

⬤ Operaționalizați modelele ML pentru implementarea conductei și pentru sistemele de afaceri externe care sunt mai complexe și mai puțin standardizate.