Hodnotenie:
Recenzie knihy o strojovom učení Azure predstavujú zmiešané názory. Mnohí používatelia oceňujú jej dôkladné pokrytie konceptov strojového učenia a praktického využitia Azure, zatiaľ čo niektorí ju kritizujú za to, že je príliš základná alebo zle napísaná.
Výhody:Komplexné pokrytie služieb Azure Machine Learning, jasné vysvetlenia, praktické príklady s kódom Python, dobrý tok konceptov, užitočné pre dátových vedcov aj ML inžinierov, podrobný návod na nasadenie, obsahuje pokročilé rámce pre počítačové videnie a NLP.
Nevýhody:Niektorí považujú knihu za príliš základnú alebo nedostatočne hlbokú, neformálny jazyk, minimálne podrobnosti o nastavení komplexných prostredí Azure, jeden recenzent ju označil za riedku a obsahujúcu náhodné informácie.
(na základe 6 čitateľských recenzií)
Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML
Osvojte si odborné techniky na vytváranie automatizovaných a vysoko škálovateľných end-to-end modelov strojového učenia a potrubí v Azure pomocou TensorFlow, Spark a Kubernetes
Kľúčové vlastnosti
⬤ Využívajte dáta v cloude implementáciou pokročilých analytických nástrojov.
⬤ Trénujte a optimalizujte pokročilé modely hlbokého učenia efektívne na Sparku pomocou Azure Databricks.
⬤ Umiestnite modely strojového učenia na dávkové vyhodnocovanie a vyhodnocovanie v reálnom čase pomocou služby Azure Kubernetes (AKS).
Popis knihy
Nárast, ktorý sa dnes zaznamenáva v objeme dát, si vyžaduje distribuované systémy, výkonné algoritmy a škálovateľnú cloudovú infraštruktúru na výpočet poznatkov a trénovanie a nasadzovanie modelov strojového učenia (ML). Táto kniha vám pomôže zlepšiť vaše znalosti o vytváraní modelov ML pomocou Azure a end-to-end ML pipelines v cloude.
Kniha sa začína prehľadom komplexného projektu ML a návodom, ako si vybrať správnu službu Azure pre rôzne úlohy ML. Potom sa zameriava na Azure ML a prevedie vás procesom experimentovania s údajmi, prípravy údajov a feature engineeringu pomocou Azure ML a jazyka Python. Naučíte sa pokročilé techniky extrakcie príznakov pomocou spracovania prirodzeného jazyka (NLP), klasické techniky ML a tajomstvá skvelého odporúčacieho nástroja aj výkonného modelu počítačového videnia pomocou metód hlbokého učenia. Preskúmate tiež, ako trénovať, optimalizovať a ladiť modely pomocou Azure AutoML a HyperDrive a vykonávať distribuované trénovanie na Azure ML. Potom sa naučíte rôzne techniky nasadenia a monitorovania pomocou služieb Azure Kubernetes s Azure ML spolu so základmi MLOps - DevOps pre ML na automatizáciu procesu ML ako CI/CD pipeline.
Na konci tejto knihy budete ovládať Azure ML a budete schopní s istotou navrhovať, vytvárať a prevádzkovať škálovateľné ML pipeline v Azure.
Čo sa naučíte
⬤ Nastaviť si pracovný priestor Azure ML na experimentovanie s údajmi a vizualizáciu.
⬤ Vykonávať ETL, prípravu údajov a extrakciu funkcií pomocou osvedčených postupov Azure.
⬤ Vykonajte pokročilú extrakciu príznakov pomocou NLP a vkladania slov.
⬤ Trénujte gradientom posilnené stromové súbory, odporúčacie motory a hlboké neurónové siete na Azure ML.
⬤ Používajte ladenie hyperparametrov a AutoML na optimalizáciu modelov ML.
⬤ Využívajte distribuovanú ML na GPU klastroch pomocou Horovodu v Azure ML.
⬤ Umiestnite, prevádzkujte a spravujte svoje modely ML vo veľkom meradle.
⬤ Automatizujte svoj komplexný proces ML ako potrubia CI/CD pre MLOps.
Pre koho je táto kniha určená
Táto kniha o strojovom učení je určená pre dátových profesionálov, dátových analytikov, dátových inžinierov, dátových vedcov alebo vývojárov strojového učenia, ktorí chcú zvládnuť škálovateľné cloudové architektúry strojového učenia v Azure. Táto kniha vám pomôže používať pokročilé služby Azure na vytváranie inteligentných aplikácií strojového učenia. Základná znalosť jazyka Python a pracovné znalosti strojového učenia sú povinné.
© 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)