实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像Effective数据科学基础设施(芬)维莱·图洛斯
¥ ×1
商品
服务
物流
章 数据科学基础设施介绍 11.1 选择数据科学基础设施的原因 21.2 什么是数据科学基础设施 51.2.1 数据科学基础设施堆栈 61.2.2 支持数据科学项目的整个生命周期 81.. 不能以偏概全 91.3 良好基础设施的重要 101.3.1 管理复杂 111.3.2 利用现有平台 121.4 以人为中心的基础设施 131.4.1 自由与责任 141.4.2 数据科学家自主 151.5 本章小结 16第2章 数据科学的工具链 172.1 建立开发环境 182.1.1 云账户 212.1.2 数据科学工作站 222.1.3 笔记 242.1.4 归纳 272.2 介绍工作流 292.2.1 工作流基础 302.2.2 执行工作流 312.. 工作流框架 33. 本章小结 35第3章 Metaflow简介 373.1 Metaflow的基本概念 383.1.1 安装Metaflow 393.1.2 编写基本工作流 403.1.3 管理工作流中的数据流 443.1.4 参数 503.2 分支和合并 553.2.1 有效的DAG结构 563.2.2 静态分支 573.. 动态分支 613.2.4 控制并发 643.3 Metaflow实际应用 663.3.1 启动新项目 673.3.2 使用客户端API访问结果 693.3.3 调试故障 723.3.4 润色 763.4 本章小结 79第4章 随计算层伸缩 814.1 什么是可伸缩 24.1.1 整个堆栈的可伸缩 34.1.2 实验文化 854.2 计算层 874.2.1 使用容器进行批处理 894.2.2 计算层示例 924.3 Metaflow中的计算层 984.3.1 为Metaflow配置AWS批处理 1004.3.2 @batch和@resources装饰器 1044.4 处理故障 1074.4.1 使用@retry从瞬态错误中恢复 1094.4.2 使用@timeout杀死僵尸 1104.4.3 种装饰器:@catch 1114.5 本章小结 113第5章 实践可伸缩和能 1155.1 从简单开始:垂直可伸缩 1165.1.1 示例:聚类Yelp评论 1175.1.2 实践垂直可伸缩 1195.1.3 为什么选择垂直可伸缩 1245.2 实践水平可伸缩 1265.2.1 为什么选择水平可伸缩 1265.2.2 示例:超参数搜索 1275.3 实施能优化 1305.3.1 示例:计算共现矩阵 1315.3.2 加快工作流的方法 1395.4 本章小结 140第6章 投入生产 1416.1 稳定的工作流调度 1436.1.1 中心化元数据 1456.1.2 使用AWS Step Functions和Metaflw 476.1.3 使用@schedule调度运行 1526.2 鲁棒的执行环境 1536.2.1 Metaflow包如何流动 1556.2.2 为什么依赖管理很重要 1606.. 使用@conda装饰器 1626.3 稳定运行 1676.3.1 原型开发期间的命名空间 1696.3.2 生产命名空间 1736.3.3 使用@project的并行部署 1746.4 本章小结 177第7章 处理数据 1797.1 快速数据的基础 1827.1.1 从S3加载数据 1837.1.2 使用表格数据 1887.1.3 内存数据堆栈 1927.2 与数据基础设施的交互 1947.2.1 现代数据基础设施 1957.2.2 用SL准备数据集 1997.. 分布式数据处理 2057.3 从数据到特征 2107.3.1 区分事实和特征 2117.3.2 编码特征 2137.4 本章小结 218第8章 使用和操作模型 2218.1 生成预测 28.1.1 批处理、流式和实时预测 2258.1.2 示例:系统 2278.1.3 批处理预测 28.1.4 实时预测 2438.2 本章小结 248第9章 全栈机器学习 2499.1 可插拔的征编器和模型 2509.1.1 为可插拔的组件开发框架 2519.1.2 执行征编器 2559.1.3 基准模型 2599.2 深度回归模型 2649.2.1 编码输入张量 2669.2.2 定义深度回归模型 2699.. 训练深度回归模型 2729.3 总结所学 2759.4 本章小结 277附录 安装Conda 279
Ville Tuulos在Netflix公司设计并构建了用于数据科学的全栈框架Metaflow。目前,Ville在一家专业开发数据科学基础设施的初创公司担任首席执行官。
《Effective数据科学基础设施》由NetflixVille Tuulos撰写,以Metaflow为对象,介绍了数据科学所需要的基础设施,囊括数据准备、特征工程、模型训练、模型部署、服务和持续监控等环节。Metaflow专注于构建生产流程,更适合具有深厚工程和DevOps技能的大型专业数据科学团队。本书的目标读者为数据科学家、机器学习、IT 技术人员和MLOps。数据科学家在人工智能和算法方面精通,但软件开发能力通常不足。他们渴望有一套方和具来促进从构建到部署的迭代过程,从而落实自己的想法。数据科学家不在意在一个“孤岛”。上开展数据挖掘和分析工作,他们更希望能够在离线、实时和批处理等场景中落实项目。IT技术人员对机器学习算理和模型细节并不了解,他们渴望本书能够提供一个机器学习流程的全貌,便于他们进行任务编排。此外,一些企业的中高层管理人员可通过本书获取MLOps管理理念,为制定AI项目管理和KPI考核提供参考依据。总之,与传统的软件技能要求相比,MLOps除了需具备代软件工程所要求的强大能力,还需要具备ML专业知识,具体包括ML模型训练、模型部署、模型监控和帮企业落实架构、系统设计和故障排除等能力。
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
非常抱歉,您前期未参加预订活动,无法支付尾款哦!
关闭
抱歉,您暂无任性付资格
继续等待
0小时0分
立即开通
SUPER会员