Strojové učenie s Pythonom - druhé vydanie: Riadenie životného cyklu modelov strojového učenia pomocou MLOps s praktickými príkladmi

Recenzie čitateľov

Kniha „Machine Learning Engineering with Python“ je komplexnou príručkou pre odborníkov z praxe, ktorí chcú zlepšiť svoje zručnosti v oblasti strojového učenia a pochopiť životný cyklus modelov strojového učenia. Efektívne kombinuje teoretické koncepty s praktickými príkladmi v rôznych témach, vďaka čomu je vhodná pre čitateľov na rôznych úrovniach odborných znalostí, hoci sa odporúčajú určité základné znalosti.

Dobre štruktúrovaný obsah, komplexné pokrytie konceptov ML, praktické príklady, vhodné pre rôzne úrovne zručností, dobré vysvetlenia, zahŕňa moderné nástroje a technológie (ako LLM, AWS a Kubernetes) a zameriava sa na kritické postupy MLOps. Ľahko stráviteľné a pútavé pre tých, ktorí chcú aplikovať ML v reálnych podmienkach.

Nie je ideálny pre úplných začiatočníkov; sú potrebné predchádzajúce znalosti jazyka Python a základných konceptov ML. Niektorý obsah môže rýchlo zastarať vzhľadom na rýchly vývoj v tejto oblasti. Chýba hĺbkové skúmanie niektorých pokročilých tém a mohlo by sa doň integrovať viac praktických prípadových štúdií, najmä v oblastiach, ako je generatívna umelá inteligencia. Zameranie sa skôr prikláňa k osvedčeným postupom softvérového inžinierstva než k hĺbkovej teórii ML.

(na základe 25 čitateľských recenzií)

Pôvodný názov:

Machine Learning Engineering with Python - Second Edition: Manage the lifecycle of machine learning models using MLOps with practical examples

Obsah knihy:

Premeňte svoje projekty strojového učenia na úspešné nasadenia s touto praktickou príručkou o tom, ako vytvoriť a rozšíriť riešenia, ktoré riešia skutočné problémy

Obsahuje novú kapitolu o generatívnej umelej inteligencii a veľkých jazykových modeloch (LLM) a budovaní potrubia, ktoré využíva LLM pomocou LangChain

Kľúčové vlastnosti:

⬤ Toto druhé vydanie sa hlbšie venuje kľúčovým témam strojového učenia, CI/CD a návrhu systému.

⬤  Preskúmajte základné postupy MLOps, ako je správa modelov a monitorovanie výkonu.

⬤ Vypracujte ucelené príklady nasaditeľných ML mikroslužieb a pipeline pomocou AWS a open-source nástrojov.

Popis knihy:

Machine Learning Engineering with Python, 2. vydanie, je praktickou príručkou, ktorú inžinieri MLOps a ML potrebujú na budovanie robustných riešení na riešenie reálnych problémov, pričom vám poskytne zručnosti a vedomosti, ktoré potrebujete, aby ste si udržali náskok v tejto rýchlo sa rozvíjajúcej oblasti.

Kniha využíva praktický prístup zameraný na príklady a poskytuje základné technické koncepty, implementačné vzory a metodiky vývoja. Prejdete od pochopenia kľúčových krokov životného cyklu vývoja strojového učenia až po budovanie a nasadenie robustných riešení strojového učenia. Po zvládnutí základov sa prakticky zoznámite s architektúrami nasadenia a objavíte metódy na škálovanie svojich riešení.

Toto vydanie prechádza hlbšie do oblasti ML inžinierstva a MLOps s väčším dôrazom na ML. Posuniete sa ďalej v oblasti CI/CD s nepretržitým školením a testovaním a hlbšie sa budete venovať driftu dát a konceptov.

Vďaka novej kapitole o generatívnej AI preskúmate Hugging Face, PyTorch a GitHub Copilot a budete konzumovať LLM prostredníctvom API pomocou LangChain. Venovať sa budete aj úvahám o hlbokom učení, pokiaľ ide o pracovné postupy, hardvér a škálovanie pracovných záťaží, ako aj orchestrácii pracovných postupov pomocou Airlfow a Kafka. A využijete ZenML ako open-source možnosť na pipelining dátových tokov a posuniete nasadenie ďalej pomocou kanárikov, modrých a zelených nasadení.

Čo sa naučíte:

⬤ Plánovať a riadiť fázy projektov vývoja strojového učenia.

⬤ Preskúmajte ANN, DNN a LLM a oboznámte sa s nárastom generatívnej AI v MLOps.

⬤ Používajte Python na vytváranie balíkov vlastných nástrojov ML a škálovanie riešení s Apache Spark, Kubernetes a Apache Airflow.

⬤ Používajte AutoML na ladenie hyperparametrov.

⬤ Detekovať drift a zabudovať do svojich riešení robustné mechanizmy.

⬤ Zlepšite si spracovanie chýb pomocou robustných kontrolných tokov a skenovania zraniteľností.

⬤ Umiestnite a vybudujte ML mikroslužbu pomocou AWS a Flasku.

Pre koho je táto kniha určená:

Táto kniha je určená pre MLOps a ML inžinierov, dátových vedcov a softvérových vývojárov, ktorí chcú budovať robustné riešenia využívajúce strojové učenie na riešenie reálnych problémov. Ak nie ste vývojár, ale chcete riadiť alebo pochopiť životný cyklus týchto systémov, táto kniha bude pre vás tiež užitočná. Predpokladá základné znalosti konceptov strojového učenia a stredne pokročilé skúsenosti s programovaním v jazyku Python. Vďaka svojmu zameraniu na praktické zručnosti a príklady z reálneho sveta je táto kniha základným zdrojom informácií pre každého, kto chce napredovať vo svojej kariére strojového učenia.