Beginning MLOps with MLFlow : Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure

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 

قیمت کتاب (تومان) : 47,000



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

• انجام تجزیه و تحلیل داده های اولیه و ساخت مدل ها در scikit-learn و PySpark
• مدل های خود را آموزش، آزمایش و اعتبار سنجی کنید (تنظیم فراپارامتر)< /li>
• بدانید که MLOps چیست و یک راه‌اندازی ایده‌آل MLOps چگونه به نظر می‌رسد
• به راحتی MLFlow را در پروژه‌های موجود یا آینده خود ادغام کنید
• مدل‌های خود را مستقر کنید و با آنها پیش‌بینی کنید. ابر

این کتاب برای چه کسی است
داده دانشمندان و مهندسان یادگیری ماشین که می خواهند MLO ها را یاد بگیرند و بدانند چگونه مدل های خود را عملیاتی کنند

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

• Perform basic data analysis and construct models in scikit-learn and PySpark
• Train, test, and validate your models (hyperparameter tuning)
• Know what MLOps is and what an ideal MLOps setup looks like
• Easily integrate MLFlow into your existing or future projects
• Deploy your models and perform predictions with them on the cloud

Who This Book Is For
Data scientists and machine learning engineers who want to learn MLOps and know how to operationalize their models

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