Imparare Amazon SageMaker: Guida alla costruzione, all'addestramento e alla distribuzione di modelli di apprendimento automatico per sviluppatori e data scientist

Recensioni dei lettori

Il libro su Amazon SageMaker è generalmente molto apprezzato per l'approccio pratico e le spiegazioni chiare. È ben strutturato, il che lo rende adatto ai principianti e a coloro che hanno una certa conoscenza di AWS. Tuttavia, la qualità della versione Kindle suscita notevoli preoccupazioni, tra cui errori di formattazione e collegamenti ipertestuali problematici.

Panoramica chiara e pratica dell'utilizzo di Amazon SageMaker per l'apprendimento automatico. Copertura completa del ciclo di vita del progetto, compresa la configurazione, la preparazione dei dati e la distribuzione del modello. L'autore è competente e fornisce esempi utili e best practice. Adatto sia ai principianti che agli utenti più esperti, con suggerimenti per un ulteriore apprendimento.

La versione Kindle contiene numerosi errori di formattazione che ne rendono difficile la lettura. Gli utenti hanno segnalato problemi con l'indice, collegamenti ipertestuali che non funzionano correttamente e segmenti di codice Python illeggibili a causa di problemi di formattazione. Alcuni recensori hanno notato che l'attenzione si concentra sugli algoritmi integrati di SageMaker piuttosto che su altri framework come TensorFlow.

(basato su 10 recensioni dei lettori)

Titolo originale:

Learn Amazon SageMaker: A guide to building, training, and deploying machine learning models for developers and data scientists

Contenuto del libro:

Costruire e distribuire rapidamente modelli di apprendimento automatico senza gestire l'infrastruttura e migliorare la produttività utilizzando le funzionalità di Amazon SageMaker, come Amazon SageMaker Studio, Autopilot, Experiments, Debugger e Model Monitor.

Caratteristiche principali

⬤ Costruire, addestrare e distribuire rapidamente modelli di apprendimento automatico utilizzando Amazon SageMaker.

⬤ Analizzare, rilevare e ricevere avvisi relativi a vari problemi aziendali utilizzando algoritmi e tecniche di apprendimento automatico.

⬤ Migliorare la produttività addestrando e perfezionando i modelli di apprendimento automatico in produzione.

Descrizione del libro

Amazon SageMaker consente di costruire, addestrare e distribuire rapidamente modelli di apprendimento automatico (ML) su scala, senza gestire alcuna infrastruttura. Vi aiuta a concentrarvi sul problema di ML e a distribuire modelli di alta qualità, eliminando il lavoro pesante tipicamente richiesto in ogni fase del processo di ML. Questo libro è una guida completa per gli scienziati dei dati e gli sviluppatori di ML che desiderano apprendere i dettagli di Amazon SageMaker.

Capirete come utilizzare i vari moduli di SageMaker come un unico insieme di strumenti per risolvere le sfide del ML. Man mano che si va avanti, si scopriranno funzioni come l'AutoML, gli algoritmi e i framework integrati e la possibilità di scrivere il proprio codice e i propri algoritmi per costruire modelli di ML. In seguito, il libro vi mostrerà come integrare Amazon SageMaker con le librerie di deep learning più diffuse, come TensorFlow e PyTorch, per aumentare le capacità dei modelli esistenti. Imparerete anche a portare i modelli in produzione più velocemente, con il minimo sforzo e a un costo inferiore. Infine, si scoprirà come utilizzare Amazon SageMaker Debugger per analizzare, rilevare ed evidenziare i problemi per comprendere lo stato attuale del modello e migliorarne l'accuratezza.

Alla fine di questo libro di Amazon, sarete in grado di utilizzare Amazon SageMaker per l'intero spettro dei flussi di lavoro ML, dalla sperimentazione, l'addestramento e il monitoraggio allo scaling, la distribuzione e l'automazione.

Che cosa imparerete?

⬤ Creare e automatizzare flussi di lavoro di apprendimento automatico end-to-end su Amazon Web Services (AWS).

⬤ Diventare esperti di tecniche di annotazione e preparazione dei dati.

⬤ Utilizzare le funzionalità di AutoML per costruire e addestrare modelli di apprendimento automatico con AutoPilot.

⬤ Creare modelli utilizzando algoritmi e framework integrati e il proprio codice.

⬤ Addestrare modelli di visione artificiale e di PNL utilizzando esempi reali.

⬤ Coprire le tecniche di addestramento per la scalabilità, l'ottimizzazione dei modelli, il debug dei modelli e l'ottimizzazione dei costi.

⬤ Automatizzare le attività di distribuzione in una varietà di configurazioni utilizzando l'SDK e diversi strumenti di automazione.

A chi è rivolto questo libro

Questo libro si rivolge a ingegneri del software, sviluppatori di machine learning, data scientist e utenti AWS che sono alle prime armi con Amazon SageMaker e vogliono costruire modelli di machine learning di alta qualità senza preoccuparsi dell'infrastruttura. La conoscenza delle basi di AWS è necessaria per comprendere meglio i concetti trattati in questo libro. Sarà utile anche una certa conoscenza dei concetti di apprendimento automatico e del linguaggio di programmazione Python.