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 Machine Learning with Amazon SageMaker Cookbook: 80 proven recipes for data scientists and developers to perform machine learning experiments and deployments

دانلود کتاب یادگیری ماشین با کتاب آشپزی Amazon SageMaker: 80 دستور العمل اثبات شده برای دانشمندان داده و توسعه دهندگان برای انجام آزمایش ها و پیاده سازی های یادگیری ماشین

Machine Learning with Amazon SageMaker Cookbook: 80 proven recipes for data scientists and developers to perform machine learning experiments and deployments

مشخصات کتاب

Machine Learning with Amazon SageMaker Cookbook: 80 proven recipes for data scientists and developers to perform machine learning experiments and deployments

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1800567030, 9781800567030 
ناشر: Packt Publishing 
سال نشر: 2021 
تعداد صفحات: 762 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 31 Mb

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Machine Learning with Amazon SageMaker Cookbook: 80 proven recipes for data scientists and developers to perform machine learning experiments and deployments 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 با کتاب آشپزی Amazon SageMaker: 80 دستور العمل اثبات شده برای دانشمندان داده و توسعه دهندگان برای انجام آزمایش ها و پیاده سازی های یادگیری ماشین 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 با کتاب آشپزی Amazon SageMaker: 80 دستور العمل اثبات شده برای دانشمندان داده و توسعه دهندگان برای انجام آزمایش ها و پیاده سازی های یادگیری ماشین



راهنمای گام به گام مبتنی بر راه حل برای تهیه، آموزش، و استقرار مدل های یادگیری ماشینی با کیفیت بالا با Amazon SageMaker

ویژگی های کلیدی

  • انجام آزمایش‌های ML با الگوریتم‌های داخلی و سفارشی در SageMaker
  • در هنگام کار با TensorFlow، PyTorch، Hugging Face Transformers و scikit-learn راه‌حل‌های اثبات شده را کاوش کنید
  • از ویژگی‌ها و قابلیت‌های مختلف SageMaker برای خودکارسازی فرآیندهای مرتبط ML استفاده کنید

توضیحات کتاب

Amazon SageMaker یک سرویس یادگیری ماشینی کاملاً مدیریت شده (ML) است که به دانشمندان داده کمک می‌کند و پزشکان ML آزمایشات ML را مدیریت می کنند. در این کتاب، شما از قابلیت‌ها و ویژگی‌های مختلف Amazon SageMaker برای حل مشکلات مربوط به علم داده و ML استفاده خواهید کرد.

این راهنمای گام به گام دارای 80 دستور العمل ثابت شده است که به شما ارائه می‌کند. در مورد تجربه یادگیری ماشینی مورد نیاز برای مشارکت در آزمایش‌ها و پروژه‌های دنیای واقعی. شما الگوریتم‌ها و تکنیک‌هایی را که معمولاً هنگام آموزش و استقرار NLP، پیش‌بینی سری‌های زمانی و مدل‌های بینایی رایانه‌ای برای حل مشکلات ML استفاده می‌شوند، پوشش خواهید داد. راه حل های مختلفی را برای کار با کتابخانه ها و چارچوب های یادگیری عمیق مانند TensorFlow، PyTorch، و Hugging Face Transformers در Amazon SageMaker بررسی خواهید کرد. همچنین یاد خواهید گرفت که چگونه از SageMaker Clarify، SageMaker Model Monitor، SageMaker Debugger و SageMaker Experiments برای اشکال زدایی، مدیریت و نظارت بر چندین آزمایش و استقرار ML استفاده کنید. علاوه بر این، درک بهتری از اینکه چگونه SageMaker Feature Store، Autopilot و Pipelines می‌توانند نیازهای خاص تیم‌های علم داده را برآورده کنند، خواهید داشت.

در پایان این کتاب، می‌توانید ترکیب کنید. راه حل های مختلفی که آموخته اید به عنوان بلوک های سازنده برای حل مسائل دنیای واقعی ML.

آنچه خواهید آموخت

  • آموزش و استقرار NLP، پیش بینی سری های زمانی، و کامپیوتر مدل‌های دید برای حل مشکلات مختلف تجاری
  • محدودیت‌های سفارشی‌سازی را در SageMaker با استفاده از تصاویر ظرف سفارشی فشار دهید
  • از قابلیت‌های AutoML با SageMaker Autopilot برای ایجاد مدل‌های با کیفیت بالا استفاده کنید
  • کار با تکنیک‌های تحلیل و آماده‌سازی داده‌های مؤثر
  • کاوش راه‌حل‌هایی برای اشکال‌زدایی و مدیریت آزمایش‌ها و استقرارهای ML
  • با استفاده از SageMaker Clarify با شناسایی سوگیری و الزامات توضیح‌پذیری ML مقابله کنید.
  • استقرار و گردش های کاری میانی و پیچیده را با استفاده از راه حل های مختلف به طور خودکار انجام دهید

این کتاب برای چه کسانی است

این کتاب برای توسعه دهندگان، دانشمندان داده و متخصصان یادگیری ماشینی است که علاقه مند هستند. در استفاده از Amazon SageMaker برای ساخت، تجزیه و تحلیل و استقرار مدل‌های یادگیری ماشینی با 80 دستور العمل گام به گام. تنها چیزی که نیاز دارید یک حساب AWS برای اجرای کارها است. دانش قبلی AWS، یادگیری ماشین و زبان برنامه نویسی Python به شما کمک می کند تا مفاهیم تحت پوشش این کتاب را به طور موثرتری درک کنید.

فهرست محتوا

  1. شروع به کار با یادگیری ماشین با استفاده از Amazon SageMaker
  2. ساخت و استفاده از الگوریتم تصویر ظرف خود
  3. استفاده از یادگیری ماشینی و چارچوب های یادگیری عمیق با Amazon SageMaker
  4. تهیه، پردازش و تجزیه و تحلیل داده
  5. مدیریت موثر آزمایشات یادگیری ماشین
  6. یادگیری ماشین خودکار در Amazon SageMaker
  7. کار با SageMaker Feature Store، SageMaker Clarify و SageMaker Model Monitor
  8. حل مشکلات NLP، طبقه‌بندی تصویر و پیش‌بینی سری‌های زمانی با الگوریتم‌های داخلی
  9. مدیریت جریان‌های کار یادگیری ماشین و استقرار

توضیحاتی درمورد کتاب به خارجی

A step-by-step solution-based guide to preparing building, training, and deploying high-quality machine learning models with Amazon SageMaker

Key Features

  • Perform ML experiments with built-in and custom algorithms in SageMaker
  • Explore proven solutions when working with TensorFlow, PyTorch, Hugging Face Transformers, and scikit-learn
  • Use the different features and capabilities of SageMaker to automate relevant ML processes

Book Description

Amazon SageMaker is a fully managed machine learning (ML) service that helps data scientists and ML practitioners manage ML experiments. In this book, you'll use the different capabilities and features of Amazon SageMaker to solve relevant data science and ML problems.

This step-by-step guide features 80 proven recipes designed to give you the hands-on machine learning experience needed to contribute to real-world experiments and projects. You'll cover the algorithms and techniques that are commonly used when training and deploying NLP, time series forecasting, and computer vision models to solve ML problems. You'll explore various solutions for working with deep learning libraries and frameworks such as TensorFlow, PyTorch, and Hugging Face Transformers in Amazon SageMaker. You'll also learn how to use SageMaker Clarify, SageMaker Model Monitor, SageMaker Debugger, and SageMaker Experiments to debug, manage, and monitor multiple ML experiments and deployments. Moreover, you'll have a better understanding of how SageMaker Feature Store, Autopilot, and Pipelines can meet the specific needs of data science teams.

By the end of this book, you'll be able to combine the different solutions you've learned as building blocks to solve real-world ML problems.

What you will learn

  • Train and deploy NLP, time series forecasting, and computer vision models to solve different business problems
  • Push the limits of customization in SageMaker using custom container images
  • Use AutoML capabilities with SageMaker Autopilot to create high-quality models
  • Work with effective data analysis and preparation techniques
  • Explore solutions for debugging and managing ML experiments and deployments
  • Deal with bias detection and ML explainability requirements using SageMaker Clarify
  • Automate intermediate and complex deployments and workflows using a variety of solutions

Who this book is for

This book is for developers, data scientists, and machine learning practitioners interested in using Amazon SageMaker to build, analyze, and deploy machine learning models with 80 step-by-step recipes. All you need is an AWS account to get things running. Prior knowledge of AWS, machine learning, and the Python programming language will help you to grasp the concepts covered in this book more effectively.

Table of Contents

  1. Getting Started with Machine Learning Using Amazon SageMaker
  2. Building and Using your own Algorithm Container Image
  3. Using Machine Learning and Deep Learning Frameworks with Amazon SageMaker
  4. Preparing, Processing, and Analyzing the Data
  5. Effectively Managing Machine Learning Experiments
  6. Automated Machine Learning in Amazon SageMaker
  7. Working with SageMaker Feature Store, SageMaker Clarify, and SageMaker Model Monitor
  8. Solving NLP, Image Classification, and Time-Series Forecasting Problems with Built-in Algorithms
  9. Managing Machine Learning Workflows and Deployments




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی