Hodnotenie:
Kniha slúži ako základný úvod do MLOps, hoci má niekoľko výrazných nedostatkov v prevedení a spracovaní.
Výhody:Dobrý úvodný obsah pre MLOps; slúži ako východisko.
Nevýhody:Slabé prevedenie s nedostatočnou hĺbkou, opakujúcim sa obsahom, zlou úpravou a nevhodnou sadzbou.
(na základe 2 čitateľských recenzií)
Beginning Mlops with Mlflow: Deploy Models in Aws Sagemaker, Google Cloud, and Microsoft Azure
Kapitola 1: Začíname: Cieľ kapitoly: Stanoviť predpoklad problému, ktorý chceme riešiť pomocou strojového učenia. Analyzovať niekoľko súborov údajov a spracovať ich. Počet strán - 30 strán Podotázky - Témy 1. Predpoklad 4. Analýza údajov 5. Feature engineering Kapitola 2: Vytvorenie modelu strojového učenia Cieľ kapitoly: Vytvoriť model strojového učenia na súbore údajov / niekoľkých súboroch údajov, pre ktoré sme spracovali údaje v kapitole 4. Počet strán - 40 stránPodotázky: 1. Budovanie modelu 2. Trénovanie a testovanie modelu 3. Validácia a optimalizácia Kapitola 3: Čo je MLOps? Cieľ kapitoly: Oboznámiť čitateľa s MLOps, rôznymi fázami automatizácie v nastaveniach MLOps, automatizáciou pomocou pipeline a s nasadením CI/CD a CD. Pipeline pre: zdrojové repo na nasadenie, predikčné služby, monitorovanie výkonu atď. kontinuálna integrácia (zdrojové repo aktualizované o nové modely) a kontinuálne dodávanie (nasadenie nových modelov). Počet strán - 40 strán Podtémy 1. Čo je MLOps? 2. Nastavenia MLOps 3. Automatizácia 4. CI/CD - Continuous Integration & Delivery 5. CD - Deployment Kapitola 4: Úvod do MlFlowCieľ kapitoly: Predstaviť čitateľovi MLFlow a ako začleniť MLFlow do nášho procesu ML trénovania (PyTorch, Keras, TensorFlow) Počet strán - 30 strán Pod - témy: 1. Čo je MLFlow? 2. MLFlow v PyTorchu3. MLFlow v Keras4.
MLFlow v TensorFlow Kapitola 5: Nasadenie v AWS - 40 strán Cieľ kapitoly: Previesť čitateľa procesom nasadenia nastavenia MLOps v AWS SageMaker. -Popis: Kapitola prevedie čitateľa systémom AWS SageMaker a pomôže mu nasadiť nastavenie MLOps (skripty na spracovanie údajov, skripty na trénovanie modelu, testovanie, validáciu) v systéme AWS.
Kapitola 6: Nasadenie v Azure - 40 strán Cieľ kapitoly: Viesť čitateľa procesom nasadenia nastavenia MLOps v Microsoft Azure. -Popis: Kapitola prevedie čitateľa prostredím Microsoft Azure a pomôže mu nasadiť jeho nastavenie MLOps (skripty na spracovanie údajov, skripty na trénovanie modelov, testovanie, overovanie) v prostredí Azure. Kapitola 7: Nasadenie v službe Google - 40 strán Cieľ kapitoly: Previesť čitateľa procesom nasadenia nastavenia MLOps v službe Google Cloud. -Popis: V rámci Google Google Google je možné využiť služby Google Google Google: Kapitola prevedie čitateľa službou Google Cloud a pomôže mu nasadiť jeho nastavenie MLOps (skripty na spracovanie údajov, skripty na trénovanie modelu, testovanie, overovanie) v službe Google Cloud. Príloha A: a2ml - 20 strán Cieľ kapitoly: Táto kapitola prílohy je nepovinná a vedie používateľov procesom nasadenia nastavenia MLOps pomocou a2ml. -Popis: Kapitola prevedie čitateľa aplikáciou a2ml a pomôže mu nasadiť jeho nastavenie MLOps (skripty na spracovanie údajov, skripty na trénovanie modelu, testovanie, overovanie) prostredníctvom aplikácie a2ml.
