دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Learn Amazon SageMaker: A guide to building, training, and deploying machine learning models for developers and data scientists
دانلود کتاب Amazon SageMaker را بیاموزید: راهنمای ساخت، آموزش و استقرار مدل های یادگیری ماشین برای توسعه دهندگان و دانشمندان داده
مشخصات کتاب
Learn Amazon SageMaker: A guide to building, training, and deploying machine learning models for developers and data scientists
ویرایش:
نویسندگان: Julien Simon
سری:
ISBN (شابک) : 180020891X, 9781800208919
ناشر: Packt Publishing - ebooks Account
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
قیمت کتاب (تومان) : 49,000
در صورت تبدیل فایل کتاب Learn Amazon SageMaker: A guide to building, training, and deploying machine learning models for developers and data scientists 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 Amazon SageMaker را بیاموزید: راهنمای ساخت، آموزش و استقرار مدل های یادگیری ماشین برای توسعه دهندگان و دانشمندان داده 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 Amazon SageMaker را بیاموزید: راهنمای ساخت، آموزش و استقرار مدل های یادگیری ماشین برای توسعه دهندگان و دانشمندان داده
ساخت و استقرار سریع مدل‌های یادگیری ماشین بدون مدیریت زیرساخت، و بهبود بهره‌وری با استفاده از قابلیت‌های Amazon SageMaker مانند Amazon SageMaker Studio، Autopilot، Experiments، Debugger و Model Monitor
ویژگی های کلیدی
- ساخت، آموزش و استقرار سریع مدل های یادگیری ماشین با استفاده از Amazon SageMaker
- تجزیه و تحلیل، شناسایی و دریافت هشدارهای مربوط به مشکلات مختلف تجاری با استفاده از الگوریتم ها و تکنیک های یادگیری ماشین
- با آموزش و تنظیم دقیق مدل‌های یادگیری ماشینی در تولید، بهره‌وری را بهبود دهید
توضیحات کتاب
Amazon SageMaker شما را قادر می‌سازد تا به سرعت بسازید، آموزش دهید، و مدل های یادگیری ماشینی (ML) را در مقیاس، بدون مدیریت هیچ زیرساختی استقرار دهید. این به شما کمک می کند تا روی مشکل ML در دست تمرکز کنید و با حذف کارهای سنگین که معمولاً در هر مرحله از فرآیند ML وجود دارد، مدل های با کیفیت بالا را به کار بگیرید. این کتاب یک راهنمای جامع برای دانشمندان داده و توسعه‌دهندگان ML است که می‌خواهند نکات و نکات آمازون SageMaker را بیاموزند.
شما خواهید فهمید که چگونه از ماژول‌های مختلف SageMaker به عنوان یک مجموعه ابزار واحد برای حل چالش‌ها استفاده کنید. در ML مواجه شده است. همانطور که پیشرفت می کنید، ویژگی هایی مانند AutoML، الگوریتم ها و چارچوب های داخلی و گزینه ای برای نوشتن کد و الگوریتم های خود برای ساخت مدل های ML را پوشش خواهید داد. بعداً، این کتاب به شما نشان می‌دهد که چگونه می‌توانید Amazon SageMaker را با کتابخانه‌های یادگیری عمیق محبوب مانند TensorFlow و PyTorch ادغام کنید تا قابلیت‌های مدل‌های موجود را افزایش دهید. همچنین یاد خواهید گرفت که با حداقل تلاش و هزینه کمتر، مدل ها را سریعتر به تولید برسانید. در نهایت، نحوه استفاده از Amazon SageMaker Debugger را برای تجزیه و تحلیل، شناسایی و برجسته کردن مشکلات برای درک وضعیت فعلی مدل و بهبود دقت مدل بررسی خواهید کرد.
در پایان این کتاب آمازون، شما خواهید توانست قادر به استفاده از Amazon SageMaker در طیف کاملی از گردش‌های کاری ML، از آزمایش، آموزش، و نظارت تا مقیاس‌بندی، استقرار و اتوماسیون است.
آنچه یاد خواهید گرفت
- ایجاد کنید و گردش کار یادگیری ماشینی سرتاسر در خدمات وب آمازون (AWS) را خودکار کنید
- با تکنیک های حاشیه نویسی و آماده سازی داده ها به خوبی آشنا شوید
- از ویژگی های AutoML برای ساخت و آموزش یادگیری ماشین استفاده کنید. مدل‌ها با AutoPilot
- ایجاد مدل‌ها با استفاده از الگوریتم‌ها و چارچوب‌های داخلی و کدهای خود
- آموزش بینایی کامپیوتر و مدل‌های NLP با استفاده از مثال‌های واقعی
- آموزش پوشش تکنیک‌هایی برای مقیاس‌بندی، بهینه‌سازی مدل، اشکال‌زدایی مدل، و بهینه‌سازی هزینه
- وظایف استقرار خودکار در پیکربندی‌های مختلف با استفاده از SDK و seve ابزارهای اتوماسیون ral
این کتاب برای چه کسی است
این کتاب برای مهندسان نرم افزار، توسعه دهندگان یادگیری ماشین، دانشمندان داده و کاربران AWS است که تازه از Amazon SageMaker استفاده می کنند. و می خواهید بدون نگرانی در مورد زیرساخت، مدل های یادگیری ماشینی با کیفیت بالا بسازید. برای درک موثرتر مفاهیم مطرح شده در این کتاب، دانش مبانی AWS مورد نیاز است. درک مفاهیم یادگیری ماشین و زبان برنامه نویسی پایتون نیز مفید خواهد بود.
توضیحاتی درمورد کتاب به خارجی
Quickly build and deploy machine learning models without managing infrastructure, and improve productivity using Amazon SageMaker's capabilities such as Amazon SageMaker Studio, Autopilot, Experiments, Debugger, and Model Monitor
Key Features
- Build, train, and deploy machine learning models quickly using Amazon SageMaker
- Analyze, detect, and receive alerts relating to various business problems using machine learning algorithms and techniques
- Improve productivity by training and fine-tuning machine learning models in production
Book Description
Amazon SageMaker enables you to quickly build, train, and deploy machine learning (ML) models at scale, without managing any infrastructure. It helps you focus on the ML problem at hand and deploy high-quality models by removing the heavy lifting typically involved in each step of the ML process. This book is a comprehensive guide for data scientists and ML developers who want to learn the ins and outs of Amazon SageMaker.
You'll understand how to use various modules of SageMaker as a single toolset to solve the challenges faced in ML. As you progress, you'll cover features such as AutoML, built-in algorithms and frameworks, and the option for writing your own code and algorithms to build ML models. Later, the book will show you how to integrate Amazon SageMaker with popular deep learning libraries such as TensorFlow and PyTorch to increase the capabilities of existing models. You'll also learn to get the models to production faster with minimum effort and at a lower cost. Finally, you'll explore how to use Amazon SageMaker Debugger to analyze, detect, and highlight problems to understand the current model state and improve model accuracy.
By the end of this Amazon book, you'll be able to use Amazon SageMaker on the full spectrum of ML workflows, from experimentation, training, and monitoring to scaling, deployment, and automation.
What you will learn
- Create and automate end-to-end machine learning workflows on Amazon Web Services (AWS)
- Become well-versed with data annotation and preparation techniques
- Use AutoML features to build and train machine learning models with AutoPilot
- Create models using built-in algorithms and frameworks and your own code
- Train computer vision and NLP models using real-world examples
- Cover training techniques for scaling, model optimization, model debugging, and cost optimization
- Automate deployment tasks in a variety of configurations using SDK and several automation tools
Who This Book Is For
This book is for software engineers, machine learning developers, data scientists, and AWS users who are new to using Amazon SageMaker and want to build high-quality machine learning models without worrying about infrastructure. Knowledge of AWS basics is required to grasp the concepts covered in this book more effectively. Some understanding of machine learning concepts and the Python programming language will also be beneficial.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Gesture and Sign Language in Human-Computer Interaction: International Gesture Workshop, GW 2001 London, UK, April 18–20, 2001 Revised Papers
دانلود کتاب The Conservation Handbook: Research, Management and Policy
دانلود کتاب Prämedikationseffekte auf Bronchialwiderstand und Atmung: Pethidin, Promethazin, Diazepam, Dehydrobenzperidol, Fentanyl, Thalamonal
