Hodnotenie:
Kniha je vysoko oceňovaná pre svoj praktický prístup k MLOps, ktorý poskytuje jasný návod na nastavenie infraštruktúry dátovej vedy a efektívnu implementáciu postupov strojového učenia. Ponúka cenné príklady kódu a poznatky z reálneho života, ktoré sú prínosom pre ML inžinierov.
Výhody:⬤ Jasný, výstižný text
⬤ cenné príklady kódu
⬤ komplexný návod na vývoj ML pipeline
⬤ praktické postrehy z reálnych projektov
⬤ pokrýva široké spektrum tém od infraštruktúry až po nasadenie.
Nie sú uvedené žiadne významné zápory; čitatelia však môžu očakávať predchádzajúce znalosti teórie ML, aby mohli obsah plne využiť.
(na základe 5 čitateľských recenzií)
Machine Learning Engineering in Action
V praxi overené tipy, triky a návrhové vzory na vytváranie projektov strojového učenia, ktoré sú nasaditeľné, udržiavateľné a bezpečné od konceptu až po produkciu.
V knihe Machine Learning Engineering in Action je uvedený prístup k budovaniu nasaditeľných a udržiavateľných produkčných systémov strojového učenia. Osvojíte si štandardy vývoja softvéru, ktoré prinášajú lepšiu správu kódu a uľahčujú testovanie, škálovanie a dokonca aj opätovné použitie kódu strojového učenia!
Naučíte sa, ako plánovať a zakresľovať svoj projekt, riadiť logistiku medzi tímami, ktorá zabráni fatálnym komunikačným zlyhaniam, a navrhovať architektúru svojho kódu pre lepšiu odolnosť. Dokonca zistíte, kedy strojové učenie nepoužívať - a aké alternatívne prístupy môžu byť lacnejšie a efektívnejšie. Po skončení práce s touto príručkou nástrojov budete schopní spoľahlivo dodávať nákladovo efektívne riešenia pre veľké aj malé organizácie.
Zakúpenie tlačenej knihy zahŕňa bezplatnú elektronickú knihu vo formátoch PDF, Kindle a ePub od vydavateľstva Manning Publications.
© Book1 Group - všetky práva vyhradené.
Obsah tejto stránky nesmie byť kopírovaný ani použitý čiastočne alebo v celku bez písomného súhlasu vlastníka.
Posledná úprava: 2024.11.13 22:11 (GMT)