Kubeflow pre strojové učenie: Z laboratória do výroby

Recenzie čitateľov

Kniha poskytuje komplexný úvod do Kubeflow a jeho ekosystému v kontexte strojového učenia a cloudového vývoja. Oceňujeme jej usporiadanú štruktúru, hodnotný obsah a praktické príklady, vďaka čomu je vhodným zdrojom informácií pre tých, ktorí s Kubeflow začínajú. Niektorí používatelia však mali pocit, že by mohla byť miestami mätúca, a zaznamenali problémy so zastaraným obsahom a kvalitou tlače.

⬤ Komplexný prehľad o Kubeflow
⬤ dobre organizovaný a štruktúrovaný
⬤ dobré príklady na praktické použitie
⬤ cenný pre začiatočníkov aj pre tých, ktorí už majú nejaké skúsenosti
⬤ pomáha pri pochopení nasadzovacích potrubí
⬤ rozumná cena.

⬤ Nekonzistentný tón medzi jednotlivými kapitolami
⬤ niektorý obsah je zastaraný
⬤ čiernobiele obrázky/kód v tlačenej verzii
⬤ niektorí čitatelia zistili, že sa číta skôr ako dokumentácia než kniha
⬤ neodporúča sa pre úplných začiatočníkov bez predchádzajúcich znalostí Kubernetes alebo nástrojov strojového učenia.

(na základe 9 čitateľských recenzií)

Pôvodný názov:

Kubeflow for Machine Learning: From Lab to Production

Obsah knihy:

Ak trénujete model strojového učenia, ale nie ste si istí, ako ho zaviesť do výroby, táto kniha vám to pomôže. Kubeflow poskytuje kolekciu cloudových natívnych nástrojov pre rôzne fázy životného cyklu modelu, od prieskumu dát, prípravy funkcií a trénovania modelu až po jeho obsluhu. Táto príručka pomáha dátovým vedcom vytvárať implementácie strojového učenia na produkčnej úrovni pomocou Kubeflow a dátovým inžinierom ukazuje, ako zabezpečiť škálovateľnosť a spoľahlivosť modelov.

Autori Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu a Boris Lublinsky na príkladoch v celej knihe vysvetľujú, ako používať Kubeflow na trénovanie a obsluhu modelov strojového učenia nad systémom Kubernetes v cloude alebo vo vývojovom prostredí on-premise.

⬤ Poznajte dizajn Kubeflow, jeho základné komponenty a problémy, ktoré rieši.

⬤ Pochopiť rozdiely medzi Kubeflow na rôznych typoch klastrov.

⬤ Trénovať modely pomocou Kubeflow s populárnymi nástrojmi vrátane Scikit-learn, TensorFlow a Apache Spark.

⬤ Udržujte svoj model aktuálny pomocou Kubeflow Pipelines.

⬤ Pochopiť, ako zachytiť metadáta o tréningu modelu.

⬤ Preskúmajte, ako rozšíriť Kubeflow o ďalšie open source nástroje.

⬤ Používajte ladenie hyperparametrov na trénovanie.

⬤ Učte sa, ako obsluhovať svoj model v produkcii.