Machine Learning Engineering with MLflow: Riadenie celého životného cyklu strojového učenia pomocou nástroja MLflow

Recenzie čitateľov

Kniha o MLflow má celkovo zmiešané hodnotenie. Mnohí oceňujú jej komplexný prehľad a praktické príklady, vďaka čomu je užitočná najmä pre stredne pokročilých až pokročilých odborníkov, ktorí sa snažia riadiť životné cykly strojového učenia. Bojuje však s kvalitou písania, obsahuje preklepy a má problémy s niektorými príkladmi kódu. Hoci ponúka cenné poznatky, niektorí čitatelia mali problémy s ladením kódu a upozornili na nedostatočné pokrytie neštruktúrovaných údajov.

⬤ Komplexný prehľad o MLflow a jeho funkciách.
⬤ Praktické príklady a praktické cvičenia s Dockerom.
⬤ Dobre štruktúrovaný obsah, ktorý je ľahko sledovateľný pre tých, ktorí majú predchádzajúce znalosti.
⬤ Užitočné na pochopenie životného cyklu ML a osvedčených postupov.
⬤ Vhodné pre stredne pokročilých a pokročilých odborníkov na ML.

⬤ Slabá kvalita písania a výskyt preklepov v celom texte.
⬤ Niektoré príklady kódu nefungujú tak, ako majú, čo vedie k problémom pri ladení.
⬤ Nie je vhodný pre začiatočníkov; vyžaduje predchádzajúce znalosti o ML a súvisiacich nástrojoch.
⬤ Obmedzené pokrytie prípadov použitia neštruktúrovaných údajov.
⬤ Obavy o spoľahlivosť priloženého repozitára GitHub.

(na základe 15 čitateľských recenzií)

Pôvodný názov:

Machine Learning Engineering with MLflow: Manage the end-to-end machine learning life cycle with MLflow

Obsah knihy:

Spustite a začnite pracovať v okamihu s MLflow pomocou najefektívnejšieho inžinierskeho prístupu strojového učenia

Kľúčové funkcie:

⬤ Preskúmajte pracovné postupy strojového učenia na uvedenie problémov ML stručným a jasným spôsobom pomocou MLflow.

⬤ Používajte MLflow na iteratívny vývoj modelu ML a jeho správu.

⬤ Objaviť a pracovať s funkciami dostupnými v MLflow na bezproblémový prechod modelu z fázy vývoja do produkčného prostredia.

Popis knihy:

MLflow je platforma pre životný cyklus strojového učenia, ktorá umožňuje štruktúrovaný vývoj a iteráciu modelov strojového učenia a bezproblémový prechod do škálovateľného produkčného prostredia.

Táto kniha vás oboznámi s rôznymi funkciami MLflow a s tým, ako ich môžete implementovať do svojho projektu ML. Začnete sformulovaním problému ML a potom pretransformujete svoje riešenie pomocou MLflow, pridáte prostredie workbench, infraštruktúru na školenie, správu údajov, správu modelov, experimentovanie a najmodernejšie techniky nasadenia ML v cloude a v priestoroch. V knihe sa tiež skúmajú techniky na škálovanie vášho pracovného postupu, ako aj techniky monitorovania výkonu. Postupne zistíte, ako vytvoriť prevádzkový panel na správu systémov strojového učenia. Neskôr sa pomocou prípadov použitia dozviete, ako môžete používať MLflow v kontexte AutoML, detekcie anomálií a hlbokého učenia. Okrem toho pochopíte, ako používať platformy strojového učenia pre lokálny vývoj, ako aj pre cloudové a spravované prostredia. Táto kniha vám tiež ukáže, ako používať MLflow v jazykoch, ktoré nie sú založené na jazyku Python, ako sú R a Java, spolu s pokrytím prístupov na rozšírenie MLflow pomocou zásuvných modulov.

Na konci tejto knihy o strojovom učení budete schopní vytvárať a nasadzovať spoľahlivé algoritmy strojového učenia pomocou MLflow vo viacerých prostrediach.

Čo sa naučíte:

⬤ Vyvíjajte svoj projekt strojového učenia lokálne pomocou rôznych funkcií aplikácie MLflow.

⬤ Nastavte centralizovaný sledovací server MLflow na správu viacerých experimentov MLflow.

⬤ Vytvárajte životný cyklus modelu pomocou nástroja MLflow vytváraním vlastných modelov.

⬤ Používajte toky funkcií na zaznamenávanie výsledkov modelov pomocou nástroja MLflow.

⬤ Vyvinúť kompletnú infraštruktúru tréningového potrubia pomocou funkcií MLflow.

⬤ Vytvoriť pipeline založenú na inferencii API a dávkovú pipeline v aplikácii MLflow.

⬤ Škáliť veľké objemy údajov integráciou aplikácie MLflow s vysoko výkonnými knižnicami na spracovanie veľkých objemov údajov.

Komu je táto kniha určená:

Táto kniha je určená pre dátových vedcov, inžinierov strojového učenia a dátových inžinierov, ktorí chcú získať praktické skúsenosti s inžinierstvom strojového učenia a naučiť sa, ako môžu riadiť komplexný životný cyklus strojového učenia pomocou MLflow. Očakáva sa stredne pokročilá znalosť programovacieho jazyka Python.