دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Machine Learning on Kubernetes: A practical handbook for building and using a complete open source machine learning platform on Kubernetes
دانلود کتاب یادگیری ماشین در Kubernetes: کتابچه راهنمای عملی برای ساخت و استفاده از یک پلت فرم کامل یادگیری ماشین منبع باز در Kubernetes
مشخصات کتاب
Machine Learning on Kubernetes: A practical handbook for building and using a complete open source machine learning platform on Kubernetes
ویرایش:
نویسندگان: Faisal Masood. Ross Brigoli
سری:
ISBN (شابک) : 1803241802, 9781803241807
ناشر: Packt Publishing
سال نشر: 2022
تعداد صفحات: 384
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 22 Mb
قیمت کتاب (تومان) : 53,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Machine Learning on Kubernetes: A practical handbook for building and using a complete open source machine learning platform on Kubernetes 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 یادگیری ماشین در Kubernetes: کتابچه راهنمای عملی برای ساخت و استفاده از یک پلت فرم کامل یادگیری ماشین منبع باز در Kubernetes 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 یادگیری ماشین در Kubernetes: کتابچه راهنمای عملی برای ساخت و استفاده از یک پلت فرم کامل یادگیری ماشین منبع باز در Kubernetes
با استفاده از فن‌آوری‌های منبع باز قابل اعتماد و ایمن، یک اکوسیستم خود خدمت، علم داده و یادگیری ماشین مبتنی بر Kubernetes بسازید
ویژگی‌های کلیدی span>
- ایجاد یک پلت فرم کامل یادگیری ماشین در Kubernetes
- بهبود چابکی و سرعت تیم خود را با استفاده از قابلیت های سلف سرویس پلت فرم
- کاهش زمان ورود به بازار با خودکار کردن خطوط لوله داده و آموزش مدل و Deployment
توضیحات کتاب
MLOps یک زمینه نوظهور است که هدف آن ایجاد تکرارپذیری است. اتوماسیون و استانداردسازی حوزه مهندسی نرم افزار برای علم داده و مهندسی یادگیری ماشین. با پیاده‌سازی MLOps با Kubernetes، دانشمندان داده، متخصصان فناوری اطلاعات و مهندسان داده می‌توانند با یکدیگر همکاری کرده و راه‌حل‌های یادگیری ماشینی بسازند که ارزش کسب‌وکار را برای سازمانشان ارائه می‌کند.
شما با درک این موضوع شروع خواهید کرد. اجزای مختلف یک پروژه یادگیری ماشینی سپس، با استفاده از نرم‌افزار منبع باز، یک پروژه یادگیری ماشینی عملی را طراحی و می‌سازید. همانطور که پیشرفت می کنید، اصول اولیه MLO و ارزشی که می تواند برای پروژه های یادگیری ماشین داشته باشد را درک خواهید کرد. همچنین در ساخت، پیکربندی و استفاده از یک پلت فرم یادگیری ماشینی با منبع باز، تجربه کسب خواهید کرد. در فصل‌های بعدی، داده‌ها را آماده می‌کنید، مدل‌های یادگیری ماشین را می‌سازید و به کار می‌گیرید، و وظایف گردش کار را با استفاده از همان پلتفرم خودکار می‌کنید. در نهایت، تمرین‌های این کتاب به شما کمک می‌کند تا تجربه عملی در Kubernetes و ابزارهای منبع باز، مانند JupyterHub، MLflow، و Airflow داشته باشید.
تا پایان این مقاله کتاب، شما یاد خواهید گرفت که چگونه با استفاده از پلتفرم یادگیری ماشینی که ساخته اید، یک مدل یادگیری ماشینی را به طور موثر بسازید، آموزش دهید و به کار ببرید.
آنچه خواهید آموخت
- درک مراحل مختلف پروژه یادگیری ماشین
- استفاده از نرم افزار منبع باز برای ساختن یک پلت فرم یادگیری ماشین در Kubernetes
- یک پروژه کامل ML را با استفاده از پلت فرم یادگیری ماشین ارائه شده در این کتاب اجرا کنید
- سفر مشارکتی سازمانتان به سمت یادگیری ماشینی را بهبود بخشید
- نحوه استفاده از پلتفرم را کشف کنید به عنوان یک مهندس داده، مهندس ML یا دانشمند داده
- چگونه یادگیری ماشین را برای حل مشکلات واقعی کسب و کار به کار ببرید</ span>
این کتاب برای چه کسی است
این کتاب برای دانشمندان داده، مهندسان داده، صاحبان پلت فرم فناوری اطلاعات، هوش مصنوعی است. صاحبان محصول و معماران داده که می خواهند پلتفرم خود را برای توسعه ML بسازند. اگرچه این کتاب با اصول اولیه شروع می‌شود، اما درک کاملی از Python و Kubernetes، همراه با دانش مفاهیم پایه علم داده و مهندسی داده به شما کمک می‌کند تا موضوعات تحت پوشش این کتاب را به روشی بهتر درک کنید.</ p>
فهرست مطالب
- چالش‌های یادگیری ماشین
- درک MLOs
- کاوش در Kubernetes
- < span>آناتومی پلت فرم یادگیری ماشین
- مهندسی داده
- مهندسی یادگیری ماشین
- استقرار مدل و اتوماسیون
- < span>ساخت یک پروژه کامل ML با استفاده از پلتفرم
- ساخت خط لوله داده شما
- ساخت، استقرار و نظارت بر مدل شما
- یادگیری ماشین در Kubernetes
توضیحاتی درمورد کتاب به خارجی
Build a Kubernetes-based self-serving, agile data science and machine learning ecosystem for your organization using reliable and secure open source technologies
Key Features
- Build a complete machine learning platform on Kubernetes
- Improve the agility and velocity of your team by adopting the self-service capabilities of the platform
- Reduce time-to-market by automating data pipelines and model training and deployment
Book Description
MLOps is an emerging field that aims to bring repeatability, automation, and standardization of the software engineering domain to data science and machine learning engineering. By implementing MLOps with Kubernetes, data scientists, IT professionals, and data engineers can collaborate and build machine learning solutions that deliver business value for their organization.
You'll begin by understanding the different components of a machine learning project. Then, you'll design and build a practical end-to-end machine learning project using open source software. As you progress, you'll understand the basics of MLOps and the value it can bring to machine learning projects. You will also gain experience in building, configuring, and using an open source, containerized machine learning platform. In later chapters, you will prepare data, build and deploy machine learning models, and automate workflow tasks using the same platform. Finally, the exercises in this book will help you get hands-on experience in Kubernetes and open source tools, such as JupyterHub, MLflow, and Airflow.
By the end of this book, you'll have learned how to effectively build, train, and deploy a machine learning model using the machine learning platform you built.
What you will learn
- Understand the different stages of a machine learning project
- Use open source software to build a machine learning platform on Kubernetes
- Implement a complete ML project using the machine learning platform presented in this book
- Improve on your organization's collaborative journey toward machine learning
- Discover how to use the platform as a data engineer, ML engineer, or data scientist
- Find out how to apply machine learning to solve real business problems
Who this book is for
This book is for data scientists, data engineers, IT platform owners, AI product owners, and data architects who want to build their own platform for ML development. Although this book starts with the basics, a solid understanding of Python and Kubernetes, along with knowledge of the basic concepts of data science and data engineering will help you grasp the topics covered in this book in a better way.
Table of Contents
- Challenges in Machine Learning
- Understanding MLOps
- Exploring Kubernetes
- The Anatomy of a Machine Learning Platform
- Data Engineering
- Machine Learning Engineering
- Model Deployment and Automation
- Building a Complete ML Project Using the Platform
- Building Your Data Pipeline
- Building, Deploying and Monitoring Your Model
- Machine Learning on Kubernetes
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Der islamische Religionsunterricht zwischen Integration und Parallelgesellschaft: Einstellungen der islamischen ReligionslehrerInnen an öffentlichen Schulen
دانلود کتاب OpenSceneGraph Quick Start Guide
دانلود کتاب Ethics: A Contemporary Introduction (Routledge Contemporary Introductions to Philosophy)
دانلود کتاب Suffering and the Vulnerable Rule of God: A Feminist Epistemology
