Kubeflow pentru Machine Learning: De la laborator la producție

Recenzii ale cititorilor

Cartea oferă o introducere cuprinzătoare în Kubeflow și ecosistemul său în contextul învățării automate și al dezvoltării cloud-native. Este apreciată pentru structura sa organizată, conținutul valoros și exemplele practice, ceea ce o face o resursă potrivită pentru cei noi în Kubeflow. Cu toate acestea, unii utilizatori au considerat că ar putea fi confuză în anumite părți și au remarcat probleme legate de conținutul învechit și de calitatea imprimării.

⬤ Prezentare cuprinzătoare a Kubeflow
⬤ bine organizată și structurată
⬤ exemple bune pentru utilizare practică
⬤ valoroasă atât pentru începători, cât și pentru cei cu ceva experiență
⬤ ajută la înțelegerea conductelor de implementare
⬤ preț rezonabil.

⬤ Ton inconsistent între capitole
⬤ unele conținuturi sunt depășite
⬤ imagini/cod alb-negru în versiunea tipărită
⬤ unii cititori au considerat că se citește mai mult ca o documentație decât ca o carte
⬤ nu este recomandată pentru începători absoluți fără cunoștințe prealabile despre Kubernetes sau instrumente de machine learning.

(pe baza a 9 recenzii ale cititorilor)

Titlul original:

Kubeflow for Machine Learning: From Lab to Production

Conținutul cărții:

Dacă instruiți un model de învățare automată, dar nu sunteți sigur cum să îl puneți în producție, această carte vă va ajuta să ajungeți acolo. Kubeflow oferă o colecție de instrumente native în cloud pentru diferite etape ale ciclului de viață al unui model, de la explorarea datelor, pregătirea caracteristicilor și formarea modelului până la servirea modelului. Acest ghid ajută cercetătorii de date să construiască implementări de învățare automată de nivel de producție cu Kubeflow și arată inginerilor de date cum să facă modelele scalabile și fiabile.

Folosind exemple de-a lungul cărții, autorii Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu și Boris Lublinsky explică cum să utilizați Kubeflow pentru a vă antrena și servi modelele de învățare automată deasupra Kubernetes în cloud sau într-un mediu de dezvoltare on-premises.

⬤ Înțelegeți designul Kubeflow, componentele de bază și problemele pe care le rezolvă.

⬤ Înțelegerea diferențelor dintre Kubeflow pe diferite tipuri de clustere.

⬤ Pregătiți modele folosind Kubeflow cu instrumente populare, inclusiv Scikit-learn, TensorFlow și Apache Spark.

⬤ Țineți-vă modelul la zi cu Kubeflow Pipelines.

⬤ Înțelegeți cum să capturați metadatele de formare a modelului.

⬤ Explorați cum să extindeți Kubeflow cu alte instrumente open source.

⬤ Utilizați reglarea hiperparametrilor pentru formare.

⬤ Învățați cum să vă serviți modelul în producție.