Apprendimento automatico continuo con Kubeflow: Esecuzione di Mlops affidabili con le capacità di Tfx, Sagemaker e Kubernetes

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 4 voti.

Titolo originale:

Continuous Machine Learning with Kubeflow: Performing Reliable Mlops with Capabilities of Tfx, Sagemaker and Kubernetes

Contenuto del libro:

Un viaggio approfondito in MLOps, DevOps e Machine Learning nell'ambiente reale.

CARATTERISTICHE CHIAVE

⬤  Conoscenza approfondita e spiegazione dei concetti dei componenti di Kubernetes con esempi.

⬤  Una guida completa per la formazione e l'implementazione di pipeline di ML utilizzando Docker e Kubernetes.

⬤  Include numerosi progetti MLOps con accesso a framework collaudati e all'uso di concetti di deep learning.

DESCRIZIONE

Continuous Machine Learning with Kubeflow" introduce alla moderna infrastruttura di machine learning, che include Kubernetes e l'architettura Kubeflow. Questo libro spiega i fondamenti dell'implementazione di vari casi d'uso di AI/ML con l'addestramento e il servizio di TensorFlow con Kubernetes e come Kubernetes può aiutare con progetti specifici dall'inizio alla fine.

Questo libro dimostrerà come utilizzare i componenti di Kubeflow, distribuirli in GCP e servirli in produzione utilizzando la previsione dei dati in tempo reale. Con Kubeflow KFserving, esamineremo le tecniche di servizio, costruiremo un'interfaccia utente basata sulla computer vision in streamlit e poi la distribuiremo sulle piattaforme cloud di Google, Kubernetes e Heroku. Poi, esploreremo anche come costruire Explainable AI per determinare l'equità e la parzialità con uno strumento What-if. Sulla base di vari casi d'uso, impareremo a mettere in produzione l'apprendimento automatico, compresi l'addestramento e il servizio.

COSA IMPARERETE

⬤  Acquisire familiarità con l'architettura e l'orchestrazione di Kubernetes.

⬤  Imparare a containerizzare e distribuire da zero utilizzando Docker e Google Cloud Platform.

⬤  Esercitarsi a sviluppare la pipeline di Kubeflow Orchestrator per un modello TensorFlow.

⬤  Creare pipeline AWS SageMaker, dalla formazione alla distribuzione in produzione.

⬤  Costruire la pipeline TensorFlow Extended (TFX) per un'applicazione NLP utilizzando Tensorboard e TFMA.

A CHI È RIVOLTO QUESTO LIBRO?

Questo libro si rivolge a MLOps, DevOps, Machine Learning Engineer e Data Scientist che desiderano implementare continuamente pipeline di machine learning e gestirle su scala utilizzando Kubernetes. I lettori devono avere un solido background nell'apprendimento automatico ed è necessaria una certa conoscenza di Kubernetes.