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

Recensioni dei lettori

Le recensioni di “Learn Amazon SageMaker (Second Edition)” di Julien Simon ne evidenziano l'efficacia come guida pratica e completa per la comprensione e l'utilizzo di Amazon SageMaker. Molti recensori apprezzano l'approccio pratico, la chiarezza e la portata del libro, che copre un'ampia gamma di argomenti rilevanti per gli scienziati dei dati, gli analisti e gli appassionati di apprendimento automatico. Tuttavia, alcuni notano la brevità del libro su alcuni argomenti avanzati e le potenziali sfide.

⬤ Copertura completa delle funzionalità di SageMaker, compresi esercizi pratici.
⬤ Spiegazioni e istruzioni passo-passo di facile comprensione per i principianti.
⬤ Spunti preziosi per ottimizzare costi e prestazioni.
⬤ Efficace per un pubblico sia tecnico che non tecnico.
⬤ L'autore è molto preparato e offre un'esperienza di apprendimento agevole.

⬤ Alcuni capitoli possono mancare di profondità e di dettagli su alcuni argomenti avanzati.
⬤ Brevità nel discutere le potenziali sfide che gli utenti potrebbero incontrare.
⬤ Le istruzioni per l'uso di SageMaker al di fuori di AWS possono essere troppo brevi.

(basato su 9 recensioni dei lettori)

Titolo originale:

Learn Amazon SageMaker - Second Edition: 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 aumentare la produttività utilizzando le più recenti funzionalità di Amazon SageMaker come Studio, Autopilot, Data Wrangler, Pipeline e Feature Store.

Caratteristiche principali:

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

⬤ Ottimizzare l'accuratezza, il costo e la correttezza dei modelli.

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

Descrizione del libro:

Amazon SageMaker consente di costruire, addestrare e distribuire rapidamente modelli di apprendimento automatico su scala senza gestire alcuna infrastruttura. Vi aiuta a concentrarvi sul problema dell'apprendimento automatico e a distribuire modelli di alta qualità eliminando il lavoro pesante tipicamente richiesto in ogni fase del processo di ML. Questa seconda edizione aiuterà i data scientist e gli sviluppatori di ML a esplorare nuove funzionalità come SageMaker Data Wrangler, Pipelines, Clarify, Feature Store e molto altro.

Si comincerà con l'imparare a utilizzare le varie funzionalità di SageMaker come un unico set di strumenti per risolvere le sfide di ML e si proseguirà con funzionalità quali AutoML, algoritmi e framework integrati e la scrittura di codice e algoritmi propri per costruire modelli di ML. Il libro mostra poi come integrare Amazon SageMaker con le più diffuse librerie di deep learning, come TensorFlow e PyTorch, per estendere le capacità dei modelli esistenti. Vedrete inoltre come l'automazione dei flussi di lavoro possa aiutarvi a raggiungere più rapidamente la produzione con il minimo sforzo e a costi inferiori. Infine, esplorerete SageMaker Debugger e SageMaker Model Monitor per individuare i problemi di qualità nella formazione e nella produzione.

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, formazione e monitoraggio allo scaling, al deployment e all'automazione.

Che cosa imparerete?

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

⬤ Usare 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 computer vision e di elaborazione del linguaggio naturale (NLP) utilizzando esempi reali.

⬤ Coprire le tecniche di formazione per il ridimensionamento, 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. Una solida conoscenza dei concetti di apprendimento automatico e del linguaggio di programmazione Python sarà inoltre utile.