ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Kubeflow Operations Guide: Managing Cloud and On-Premise Deployment

دانلود کتاب راهنمای عملیات Kubeflow: مدیریت Cloud و On-Premise Deployment

Kubeflow Operations Guide: Managing Cloud and On-Premise Deployment

مشخصات کتاب

Kubeflow Operations Guide: Managing Cloud and On-Premise Deployment

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9781492053200 
ناشر: O'Reilly Media 
سال نشر: 2019 
تعداد صفحات: 468 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 Mb 

قیمت کتاب (تومان) : 58,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Kubeflow Operations Guide: Managing Cloud and On-Premise Deployment 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 راهنمای عملیات Kubeflow: مدیریت Cloud و On-Premise Deployment 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 راهنمای عملیات Kubeflow: مدیریت Cloud و On-Premise Deployment

ساخت مدل‌ها بخش کوچکی از داستان است که در مورد استقرار برنامه‌های یادگیری ماشینی صحبت می‌شود. کل فرآیند شامل توسعه، هماهنگ‌سازی، استقرار و اجرای بارهای کاری یادگیری ماشینی مقیاس‌پذیر و قابل حمل است - فرآیندی که Kubeflow بسیار آسان‌تر می‌کند. این کتاب کاربردی به دانشمندان داده، مهندسان داده و معماران پلت فرم نشان می دهد که چگونه یک پروژه Kubeflow را برنامه ریزی و اجرا کنند تا گردش کار Kubernetes خود را قابل حمل و مقیاس پذیر کنند. نویسندگان جاش پترسون، مایکل کاتزنلن بوگن و آستین هریس نشان می‌دهند که چگونه این پلتفرم منبع باز با مدیریت خطوط لوله یادگیری ماشین، جریان‌های کاری را هماهنگ می‌کند. شما یاد خواهید گرفت که چگونه یک پلتفرم Kubeflow را برنامه ریزی و اجرا کنید که می تواند جریان های کاری را از داخل محل تا ارائه دهندگان ابری از جمله گوگل، آمازون و مایکروسافت پشتیبانی کند. * در معماری Kubeflow شیرجه بزنید و بهترین روش ها را برای استفاده از پلت فرم یاد بگیرید * فرآیند برنامه ریزی استقرار Kubeflow خود را درک کنید * Kubeflow را روی یک خوشه Kubernetes موجود در محل نصب کنید * Kubeflow را گام به گام از خط فرمان در Google Cloud Platform استقرار دهید * از سرویس مدیریت شده Amazon Elastic Kubernetes (EKS) برای استقرار Kubeflow در AWS استفاده کنید * Kubeflow را در شبکه ای از مراکز داده ابری Azure در سراسر جهان مستقر و مدیریت کنید * از KFServing برای توسعه و استقرار مدل های یادگیری ماشین استفاده کنید


توضیحاتی درمورد کتاب به خارجی

Building models is a small part of the story when it comes to deploying machine learning applications. The entire process involves developing, orchestrating, deploying, and running scalable and portable machine learning workloads -- a process Kubeflow makes much easier. This practical book shows data scientists, data engineers, and platform architects how to plan and execute a Kubeflow project to make their Kubernetes workflows portable and scalable. Authors Josh Patterson, Michael Katzenellenbogen, and Austin Harris demonstrate how this open source platform orchestrates workflows by managing machine learning pipelines. You'll learn how to plan and execute a Kubeflow platform that can support workflows from on-premises to cloud providers including Google, Amazon, and Microsoft. * Dive into Kubeflow architecture and learn best practices for using the platform * Understand the process of planning your Kubeflow deployment * Install Kubeflow on an existing on-premises Kubernetes cluster * Deploy Kubeflow on Google Cloud Platform step-by-step from the command line * Use the managed Amazon Elastic Kubernetes Service (EKS) to deploy Kubeflow on AWS * Deploy and manage Kubeflow across a network of Azure cloud data centers around the world * Use KFServing to develop and deploy machine learning models





نظرات کاربران