دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Sridhar Alla, Suman Kalyan Adari سری: ISBN (شابک) : 9781484265499 ناشر: Apress سال نشر: تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 Mb
در صورت تبدیل فایل کتاب Beginning MLOps with MLFlow : Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شروع MLO ها با MLFlow: استقرار مدل ها در AWS SageMaker، Google Cloud و Microsoft Azure نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
اصول MLOps را با استفاده از MLFlow در پروژههای موجود یا
آینده ادغام کنید، مدلهای خود را عملیاتی کنید و آنها را در
AWS SageMaker، Google Cloud و Microsoft Azure استقرار دهید.
این کتاب شما را در فرآیند تجزیه و تحلیل دادهها، ساخت مدل و
آموزش راهنمایی میکند.
نویسندگان ابتدا شما را با تجزیه و تحلیل دادههای پایه در
مجموعه دادههای کارت اعتباری آشنا میکنند و به شما آموزش
میدهند که چگونه ویژگیها و روابط آنها را با متغیر هدف شما
یاد خواهید گرفت که چگونه مدل های رگرسیون لجستیک را در
scikit-learn و PySpark بسازید، و فرآیند تنظیم هایپرپارامتر را
با مجموعه داده های اعتبارسنجی طی خواهید کرد. شما سه
راهاندازی مختلف از مدلهای یادگیری ماشین را با سطوح مختلف
اتوماسیون بررسی خواهید کرد تا به شما در درک بهتر MLOها کمک
کند. MLFlow پوشش داده شده است و شما نحوه ادغام MLO ها را در
کد موجود خود بررسی خواهید کرد، که به شما امکان می دهد به
راحتی معیارها، پارامترها، نمودارها و مدل ها را ردیابی کنید.
شما از طریق فرآیند استقرار و جستجوی مدلهای خود با AWS
SageMaker، Google Cloud و Microsoft Azure هدایت خواهید شد. و
یاد خواهید گرفت که چگونه تنظیمات MLOps خود را با استفاده از
Databricks یکپارچه کنید.
آنچه خواهید آموخت
Integrate MLOps principles into existing or future projects
using MLFlow, operationalize your models, and deploy them in
AWS SageMaker, Google Cloud, and Microsoft Azure. This book
guides you through the process of data analysis, model
construction, and training.
The authors begin by introducing you to basic data analysis
on a credit card data set and teach you how to analyze the
features and their relationships to the target variable. You
will learn how to build logistic regression models in
scikit-learn and PySpark, and you will go through the process
of hyperparameter tuning with a validation data set. You will
explore three different deployment setups of machine learning
models with varying levels of automation to help you better
understand MLOps. MLFlow is covered and you will explore how
to integrate MLOps into your existing code, allowing you to
easily track metrics, parameters, graphs, and models. You
will be guided through the process of deploying and querying
your models with AWS SageMaker, Google Cloud, and Microsoft
Azure. And you will learn how to integrate your MLOps setups
using Databricks.
What You Will Learn
Front Matter ....Pages i-xiv
Getting Started: Data Analysis (Sridhar Alla, Suman Kalyan Adari)....Pages 1-39
Building Models (Sridhar Alla, Suman Kalyan Adari)....Pages 41-77
What Is MLOps? (Sridhar Alla, Suman Kalyan Adari)....Pages 79-124
Introduction to MLFlow (Sridhar Alla, Suman Kalyan Adari)....Pages 125-227
Deploying in AWS (Sridhar Alla, Suman Kalyan Adari)....Pages 229-252
Deploying in Azure (Sridhar Alla, Suman Kalyan Adari)....Pages 253-273
Deploying in Google (Sridhar Alla, Suman Kalyan Adari)....Pages 275-301
Back Matter ....Pages 303-330