Hodnotenie:
Kniha poskytuje komplexného sprievodcu implementáciou operácií strojového učenia (MLOps) pomocou Metaflow a kombinuje teoretické poznatky s praktickými príkladmi zameranými na vytváranie škálovateľných pracovných postupov dátovej vedy.
Výhody:⬤ Praktické príklady a projekty, ktoré efektívne učia infraštruktúru MLOps pomocou Metaflow.
⬤ Jasné vysvetlenie pojmov, vďaka čomu je kniha prístupná aj pre tých, ktorí nemajú skúsenosti s MLOps.
⬤ Dobrá vyváženosť teórie a praxe so zameraním na praktické aplikácie a reálne prípady použitia.
⬤ Humorné prvky a pútavé umelecké diela umocňujú zážitok z čítania.
⬤ Poskytuje cenné poznatky nad rámec oficiálnej dokumentácie Metaflow.
⬤ Kniha sa primárne zameriava na Metaflow, čo môže obmedziť jej použiteľnosť pre tých, ktorí hľadajú širší pohľad na MLOps bez používania Metaflow.
⬤ Niektorí čitatelia môžu na nastavenie infraštruktúry Metaflow potrebovať ďalšie zdroje mimo knihy, pretože niektoré nastavenia sú zahrnuté len v externej dokumentácii.
(na základe 7 čitateľských recenzií)
Effective Data Science Infrastructure: How to Make Data Scientists Productive
Zjednodušiť infraštruktúru dátovej vedy, aby dátoví vedci mohli efektívne prejsť od prototypu k produkcii.
V knihe Efektívna infraštruktúra dátovej vedy sa dozviete, ako:
Navrhnúť infraštruktúru dátovej vedy, ktorá zvýši produktivitu.
Zvládnuť výpočty a orchestráciu v cloude.
Nasadiť strojové učenie do produkcie.
Monitorovať a spravovať výkon a výsledky.
Kombinovať cloudové nástroje do uceleného prostredia dátovej vedy.
Vyvíjať reprodukovateľné projekty dátovej vedy pomocou Metaflow, Conda a Docker.
Architektúra komplexných aplikácií pre viacero tímov a veľké súbory údajov.
Prispôsobovať a rozvíjať infraštruktúru dátovej vedy.
Efektívna infraštruktúra dátovej vedy: Ako zvýšiť produktivitu dátových vedcov je praktický sprievodca zostavovaním infraštruktúry pre aplikácie dátovej vedy a strojového učenia. Odhaľuje procesy používané v Netflixe a ďalších dátovo orientovaných spoločnostiach na správu ich špičkovej dátovej infraštruktúry. Osvojíte si v nej škálovateľné techniky ukladania dát, výpočtov, sledovania experimentov a orchestrácie, ktoré sú relevantné pre spoločnosti všetkých tvarov a veľkostí. Dozviete sa, ako môžete zvýšiť produktivitu dátových vedcov pomocou existujúcej cloudovej infraštruktúry, zásobníka softvéru s otvoreným zdrojovým kódom a idiomatického jazyka Python.
Autor venuje výťažok z tejto knihy charitatívnym organizáciám, ktoré podporujú ženy a nedostatočne zastúpené skupiny v dátovej vede.
Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od vydavateľstva Manning Publications.
O technológiách: Kniha je určená pre používateľov, ktorí majú záujem o prácu s databázou Manning.
Rozvoj projektov dátovej vedy od prototypu po produkciu si vyžaduje spoľahlivú infraštruktúru. Pomocou nových výkonných techník a nástrojov v tejto knihe môžete postaviť zásobník infraštruktúry, ktorý sa bude škálovať s akoukoľvek organizáciou, od startupov až po najväčšie podniky.
O knihe.
Efektívna infraštruktúra dátovej vedy vás naučí vytvárať dátové potrubia a pracovné postupy projektov, ktoré dátovým vedcom a ich projektom dodajú energiu. Táto kniha, založená na najmodernejších nástrojoch a konceptoch, ktoré poháňajú dátové operácie spoločnosti Netflix, predstavuje prispôsobiteľný cloudový prístup k vývoju modelov a MLOps, ktorý môžete ľahko prispôsobiť špecifickým potrebám vašej spoločnosti. Pri zavádzaní týchto praktických postupov budú vaše tímy dosahovať lepšie a rýchlejšie výsledky pri aplikácii dátovej vedy a strojového učenia na širokú škálu obchodných problémov.
Čo je vo vnútri.
Zvládnite výpočty a orchestráciu v cloude.
Spojte cloudové nástroje do uceleného prostredia dátovej vedy.
Vyvíjajte reprodukovateľné projekty dátovej vedy pomocou Metaflow, AWS a dátového ekosystému Python.
Architektúra komplexných aplikácií, ktoré si vyžadujú veľké súbory údajov a modely a tím dátových vedcov.
O čitateľovi: V rámci projektu sa môžete zapojiť do práce s databázou, ktorá je zameraná na analýzu dát.
Pre infraštruktúrnych inžinierov a dátových vedcov s inžinierskym myslením, ktorí poznajú Python.
O autorovi: Vydavateľstvo Python sa zaoberá problematikou Pythonu a jeho používaním.
V spoločnosti Netflix Ville Tuulos navrhol a vybudoval Metaflow, full-stack framework pre dátovú vedu. V súčasnosti je generálnym riaditeľom startupu zameraného na infraštruktúru dátovej vedy.
Obsah.
1 Predstavenie infraštruktúry dátovej vedy.
2 Reťazec nástrojov dátovej vedy.
3 Predstavenie Metaflow.
4 Škálovanie pomocou výpočtovej vrstvy.
5 Precvičovanie škálovateľnosti a výkonu.
6 Prechod na produkciu.
7 Spracovanie údajov.
8 Používanie a prevádzka modelov.
9 Strojové učenie s celým zásobníkom.