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: [1st ed.]
نویسندگان: Pramod Singh
سری:
ISBN (شابک) : 9781484265451, 9781484265468
ناشر: Apress
سال نشر: 2021
تعداد صفحات: XIII, 150
[161]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Deploy Machine Learning Models to Production: With Flask, Streamlit, Docker, and Kubernetes on Google Cloud Platform 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 استقرار مدلهای یادگیری ماشین برای تولید: با استفاده از Flask ، Streamlit ، Docker و Kubernetes در Google Cloud Platform 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.
ساخت و استقرار مدلهای یادگیری ماشینی و یادگیری عمیق در تولید
با مثالهای سرتاسری.
این کتاب با تمرکز بر فرآیند استقرار مدل یادگیری ماشین و
چالشهای مرتبط با آن آغاز میشود. در مرحله بعد، فرآیند ساخت و
استقرار مدلهای یادگیری ماشینی با استفاده از چارچوبهای مختلف
وب مانند Flask و Streamlit را پوشش میدهد. فصلی درباره Docker
در ادامه آمده است و نحوه بسته بندی و بسته بندی مدل های
یادگیری ماشین را پوشش می دهد. این کتاب همچنین نحوه ساخت و
آموزش مدلهای یادگیری ماشینی و یادگیری عمیق را در مقیاس با
استفاده از Kubernetes نشان میدهد.
این کتاب نقطه شروع خوبی برای افرادی است که میخواهند با
استفاده از مدلهای از پیش ساخته شده به سطح بعدی یادگیری ماشین
بروند. به کارگیری آنها در تولید همچنین برای کسانی که
میخواهند از نوتبوکهای Jupyter فراتر رفته و به مدلهای
آموزشی در مقیاس در محیطهای ابری حرکت کنند، راهنمایی میکند.
تمام کدهای ارائه شده در کتاب به شکل اسکریپت های پایتون در
دسترس شما هستند تا بتوانید مثال ها را امتحان کنید و آنها را
به روش های جالب گسترش دهید.
آنچه خواهید آموخت
Build and deploy machine learning and deep learning models in
production with end-to-end examples.
This book begins with a focus on the machine learning model
deployment process and its related challenges. Next, it
covers the process of building and deploying machine learning
models using different web frameworks such as Flask and
Streamlit. A chapter on Docker follows and covers how to
package and containerize machine learning models. The book
also illustrates how to build and train machine learning and
deep learning models at scale using Kubernetes.
The book is a good starting point for people who want to move
to the next level of machine learning by taking pre-built
models and deploying them into production. It also offers
guidance to those who want to move beyond Jupyter notebooks
to training models at scale on cloud environments. All the
code presented in the book is available in the form of Python
scripts for you to try the examples and extend them in
interesting ways.
What You Will Learn
Front Matter ....Pages i-xiii
Introduction to Machine Learning (Pramod Singh)....Pages 1-54
Model Deployment and Challenges (Pramod Singh)....Pages 55-66
Machine Learning Deployment as a Web Service (Pramod Singh)....Pages 67-90
Machine Learning Deployment Using Docker (Pramod Singh)....Pages 91-126
Machine Learning Deployment Using Kubernetes (Pramod Singh)....Pages 127-146
Back Matter ....Pages 147-150