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!
100%刮中券,最高50元无敌券,券有效期7天
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。
全新正版MLOps指南9787111724216机械工业出版社
¥ ×1
章 MLO简91.1 机器学习和MLOps的兴起91.2 什么是MLOps111.3 DevOps和MLOps121.4 MLOps需求层次141.5 小结25练习题25独立思考和讨论26第2章 MLOps基础272.1 Bash和Linux命令行272.2 云端shell开发环境28. Bash shell和常用命令292.4 云计算基础和构建模块322.5 云计算入门342.6 Python速成课程352.7 Python极简教程372.8 程序员的数学速成课程392.9 机器学习关键概念502.10 开展数据科学工作522.11 从零开始构建一个MLOps管道542.12 小结60练习题61独立思考和讨论61第3章 容器和边缘设备的MLOps633.1 容器643.2 边缘设备743.3 托管机器学统的容器8.4 小结84练习题84独立思考和讨论85第4章 机器学习模型的持续交付864.1 机器学习模型打包874.2 机器学习模型持续交付中的基础设施即代码914.3 使用云管道974.4 小结104练习题104独立思考和讨论105第5章 AutoML和KaizenML1065.1 AutML075.2 苹果生态系统1175.3 谷歌的AutoML和边缘计算机视觉1255.4 Azure的AutML295.5 AWS的AutML315.6 开源AutoML解决方案1355.7 模型可解释1375.8 小结141练习题141独立思考和讨论142第6章 监控和日志1436.1 云MLOps的可观测1446.2 日志记录简介1466.3 Python中的日志记录1476.4 监控及可观测1536.5 小结163练习题163独立思考和讨论163第7章 AWS的MLOps1657.1 AWS简介1667.2 AWS上的MLOps Cookbook1837.3 AWS Lambda方法1967.4 将AWS机器学习应用于现实世界2017.5 小结205练习题206独立思考和讨论206第8章 Azure的MLOps2078.1 Azure CLI和Python SDK2088.2 身份认2098.3 计算实例2128.4部署2138.5 将模型部署到计算集群2168.6 部署问题排查2218.7 Azure机器学习管道2268.8 机器学习生命周期0.9 小结1练习题1独立思考和讨论2第章 谷歌云平台的MLOps9.1 谷歌云平台概览9.2 谷歌云平台上的DataOps:应用数据工程2489.3 机器学习模型运维2529.4 小结254练习题256独立思考和讨论2560章 机器学习互操作25710.1 为什么互操作至关重要25810.2 ONNX:开放式神经网络交换26010.3 苹果的Core ML27110.4 边缘集成27510.5 小结276练习题276独立思考和讨论2771章 构建MLOps命令行工具和微服务27811.1 Python打包27911.2 依赖文件28011.3 命令行工具28111.4 微服务29111.5 机器学习CLI工作流30011.6 小结302练习题302独立思考和讨论3022章 机器学习工程和MLOps案例研究30412.1 在构建机器学习模型时无知带来的难以置信的收益30512.2 Sqor运动社交网络中的MLOps工程3061. 完美技术与现实世界31112.4 MLOps中的关键挑战31312.5 实施MLOps的建议31912.6 小结321练习题322独立思考和讨论32附录2附录A 关键术语3附录B 技术认327附录C 远程工作342附录D 像VC一样思考你的职业生涯346附录E 构建MLOps技术组合349附录F 数据科学案例研究:间歇禁食354附录G 附加的教育资源358附录H 技术项目管理368
本书前几章涵盖了DevOps和MLOps的理论和实践,然后介绍了如何设置持续集成和持续交付,接着介绍Kaizen,即对所有事物进行持续改进的想法。与云计算相关的MLOps分为三章,涵盖AWS、Azure 和GCP(谷歌云平台)。之后介绍了机器学习互操作、构建MLOps命令行工具和微服务。这些主题包括许多具有积极吸引力的很好新兴技术。结尾介绍了一些真实案例研究,以及执行MLOps时面临的挑战。
将模型投入生产是机器学习面临的基本挑战,MLOps提供了一套经过验的原则,旨在以可靠和自动化的方式解决这个问题。本书将带读者了解MLOps是什么以及它与DevOps的区别,并展示如何将其付诸实践以操作机器学习模型。机器学习或任何熟悉数据科学和Python的人将基于MLOps工具和方法(包括AutoML、监控和日志记录)构建基础,然后学习如何在AWS、微软Azure和谷歌云中实现它们。读者交付机器学统的速度越快,就越能专注于试图解决的业务问题。
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~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格