Mastering Mlops Architecture: De la Cod la Implementare: Gestionați ciclul de producție al modelelor ML de învățare continuă cu Mlops

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.

Titlul original:

Mastering Mlops Architecture: From Code to Deployment: Manage the Production Cycle of Continual Learning ML Models with Mlops

Conținutul cărții:

Exploatați puterea MLOps pentru gestionarea în timp real a ciclului proiectelor de învățare automată

Caracteristici cheie

● Acoperire cuprinzătoare a conceptelor, arhitecturii, instrumentelor și tehnicilor MLOps.

● Accent practic pe construirea de sisteme ML end-to-end pentru învățarea continuă cu MLOps.

● Perspective concrete privind CI/CD, monitorizarea, formarea continuă a modelelor și reeducarea automată.

Descriere

MLOps, o combinație între DevOps, ingineria datelor și învățarea automată, este crucială pentru furnizarea de rezultate de învățare automată de înaltă calitate datorită naturii dinamice a datelor de învățare automată. Această carte aprofundează MLOps, acoperind conceptele sale de bază, componentele și arhitectura, demonstrând modul în care MLOps favorizează sistemele de învățare automată robuste și în continuă îmbunătățire.

Prin acoperirea întregului proces de învățare automată, de la date la implementare, cartea ajută cititorii să implementeze fluxuri de lucru MLOps. Sunt discutate tehnici precum ingineria caracteristicilor, dezvoltarea de modele, testarea A/B și implementările canare. Cartea echipează cititorii cu cunoștințe despre instrumentele și infrastructura MLOps pentru sarcini precum urmărirea modelelor, guvernanța modelelor, gestionarea metadatelor și orchestrarea conductei. Procesele de monitorizare și întreținere pentru detectarea degradării modelului sunt acoperite în profunzime. Cititorii pot dobândi competențe pentru a construi conducte CI/CD eficiente, pentru a implementa modele mai rapid și pentru a-și face sistemele ML mai fiabile, mai robuste și mai pregătite pentru producție.

În general, cartea este un ghid indispensabil pentru MLOps și aplicațiile sale pentru furnizarea de valoare de afaceri prin învățarea continuă a mașinilor și AI.

Ce veți învăța

● Proiectați o infrastructură MLOps robustă cu componente precum feature stores.

● Utilizarea instrumentelor MLOps, cum ar fi registrele de modele, depozitele de metadate, conductele.

● Construiți fluxuri de lucru CI/CD pentru a implementa modele mai rapid și continuu.

● Monitorizați și mențineți modelele în producție pentru a detecta degradarea.

● Creați fluxuri de lucru automate pentru recalificarea și actualizarea modelelor în producție.

Pentru cine este această carte

Specialiști în machine learning, cercetători în domeniul datelor, profesioniști DevOps, echipe de dezvoltare software și toți cei care doresc să adopte abordarea DevOps în experimentele și aplicațiile lor agile de machine learning. Se doresc cunoștințe prealabile de machine learning și programare Python.

Tabla de conținut

1. Noțiuni introductive cu MLOps

2. Arhitectura și componentele MLOps

3. Infrastructura și instrumentele MLOps

4. Ce sunt sistemele de învățare automată?

5. Pregătirea datelor și dezvoltarea modelelor

6. Implementarea și deservirea modelelor

7. Livrarea continuă a modelelor de învățare automată

8. Învățarea continuă

9. Monitorizare continuă, înregistrare și întreținere