مشخصات کتاب

Implementing MLOps in the Enterprise (Fourth Early Release)

ویرایش:  
نویسندگان: Yaron Haviv,  Noah Gift  
سری:  
ISBN (شابک) : 9781098136529 
ناشر: O'Reilly Media, Inc. 
سال نشر: 2023 
تعداد صفحات: 413 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 59 Mb 

در صورت تبدیل فایل کتاب Implementing MLOps in the Enterprise (Fourth Early Release) 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 پیاده سازی MLO در سازمان (چهارمین انتشار زودهنگام) 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.

توضیحاتی در مورد کتاب پیاده سازی MLO در سازمان (چهارمین انتشار زودهنگام)

با تقاضا برای مقیاس‌بندی، دسترسی بلادرنگ و سایر قابلیت‌ها، کسب‌وکارها باید ساخت خطوط لوله یادگیری ماشین عملیاتی را در نظر بگیرند. این راهنمای عملی به شرکت شما کمک می کند تا علم داده را برای سناریوهای مختلف MLO در دنیای واقعی زنده کند. دانشمندان ارشد داده، مهندسان MLOps و مهندسان یادگیری ماشین یاد خواهند گرفت که چگونه با چالش هایی مقابله کنند که بسیاری از کسب و کارها را از انتقال مدل های ML به تولید باز می دارد.\r\n\r\nنویسندگان Yaron Haviv و Noah Gift رویکرد اول تولید را در پیش گرفته اند. به جای شروع با مدل ML، یاد خواهید گرفت که چگونه یک خط لوله عملیاتی پیوسته طراحی کنید، در حالی که مطمئن شوید که اجزا و اقدامات مختلف می توانند در آن نقشه برداری کنند. با خودکار کردن هر چه بیشتر اجزای ممکن، و سریع و قابل تکرار کردن فرآیند، خط لوله شما می تواند متناسب با نیازهای سازمان شما مقیاس شود.\r\n\r\nشما یاد خواهید گرفت که چگونه ارزش تجاری سریعی را ارائه دهید و در عین حال به الزامات MLOهای پویا پاسخ دهید. این کتاب به شما کمک خواهد کرد\r\n\r\nفرآیند MLOps، از جمله ارزش تکنولوژیکی و تجاری آن را بیاموزید\r\nخطوط لوله موثر MLOps را بسازید و ساختار دهید\r\nMLO ها را در سراسر سازمان خود به طور موثر مقیاس کنید\r\nموارد استفاده متداول MLO ها را کاوش کنید\r\nساخت خطوط لوله MLOps برای استقرار ترکیبی، پیش بینی های بلادرنگ و هوش مصنوعی ترکیبی\r\nبیاموزید که چگونه برای آینده MLO ها آماده شوید و با آن سازگار شوید\r\nبرای تکمیل استراتژی MLOps خود از مدل های از پیش آموزش دیده مانند HuggingFace و OpenAI استفاده کنید.

توضیحاتی درمورد کتاب به خارجی

With demand for scaling, real-time access, and other capabilities, businesses need to consider building operational machine learning pipelines. This practical guide helps your company bring data science to life for different real-world MLOps scenarios. Senior data scientists, MLOps engineers, and machine learning engineers will learn how to tackle challenges that prevent many businesses from moving ML models to production. Authors Yaron Haviv and Noah Gift take a production-first approach. Rather than beginning with the ML model, you'll learn how to design a continuous operational pipeline, while making sure that various components and practices can map into it. By automating as many components as possible, and making the process fast and repeatable, your pipeline can scale to match your organization's needs. You'll learn how to provide rapid business value while answering dynamic MLOps requirements. This book will help you Learn the MLOps process, including its technological and business value Build and structure effective MLOps pipelines Efficiently scale MLOps across your organization Explore common MLOps use cases Build MLOps pipelines for hybrid deployments, real-time predictions, and composite AI Learn how to prepare for and adapt to the future of MLOps Effectively use pre-trained models like HuggingFace and OpenAI to complement your MLOps strateg

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Strategic Management: Theory: An Integrated Approach

دانلود کتاب Shadows over Europe: The Development and Impact of the Extreme Right in Western Europe

دانلود کتاب Tchernobyl, une catastrophe : quelques éléments pour un bilan

دانلود کتاب Evolutionary theory and ethnic conflict (Praeger studies on ethnic and national identities in politics)

دانلود کتاب Bioreactors in Stem Cell Biology: Methods and Protocols