Descripción
Póngase en marcha con la gestión del ciclo de vida del aprendizaje automático e implemente MLOps en su organización
Características clave:
- Domine las técnicas de MLOps para monitorear la calidad de los modelos de aprendizaje automático en producción
- Explore un marco de monitoreo para modelos de ML en producción y aprenda sobre la trazabilidad de extremo a extremo para modelos implementados
- Realice CI/CD para automatizar nuevas implementaciones en pipelines de ML
Descripción del libro:
Engineering MLps presenta una visión integral de MLOps, junto con ejemplos del mundo real en Azure, para ayudarle a escribir programas, entrenar modelos de ML robustos y escalables, y construir pipelines de ML para entrenar e implementar modelos de forma segura en producción.
El libro comienza familiarizándole con el flujo de trabajo de MLOps para que pueda empezar a escribir programas para entrenar modelos de ML. Luego, explorará opciones para serializar y empaquetar modelos de ML después del entrenamiento para implementarlos, facilitando así la inferencia de aprendizaje automático, la interoperabilidad de modelos y la trazabilidad de modelos de extremo a extremo. Aprenderá a construir pipelines de ML, pipelines de integración continua y entrega continua (CI/CD) y pipelines de monitoreo para construir, implementar, monitorear y gobernar sistemáticamente soluciones de ML para empresas e industrias. Finalmente, aplicará los conocimientos adquiridos para construir proyectos del mundo real.
Al final de este libro de ML, tendrá una visión de 360 grados de MLOps y estará listo para implementar MLOps en su organización.
Lo que aprenderá:
- Formular estrategias de gobernanza de datos y pipelines para el entrenamiento e implementación de ML
- Dominar la implementación de pipelines de ML, pipelines de CI/CD y pipelines de monitoreo de ML
- Diseñar un microservicio y una API robustos y escalables para entornos de prueba y producción
- Curar sus procesos de CD personalizados para casos de uso y organizaciones relacionados
- Monitorear modelos de ML, incluyendo el monitoreo de la deriva de datos, la deriva del modelo y el rendimiento de la aplicación
- Construir y mantener sistemas de ML automatizados
A quién va dirigido este libro:
Este libro de MLOps está dirigido a científicos de datos, ingenieros de software, ingenieros de DevOps, ingenieros de aprendizaje automático y líderes empresariales y tecnológicos que deseen construir, implementar y mantener sistemas de ML en producción utilizando los principios y técnicas de MLOps. Se requiere un conocimiento básico de aprendizaje automático para empezar con este libro.
Autor: Emmanuel Raj
Editorial: Packt Publishing
Publicado: 19/04/2021
Páginas: 370
Tipo de encuadernación: Tapa blanda
Peso: 1.40lbs
Tamaño: 9.25h x 7.50w x 0.77d
ISBN13: 9781800562882
ISBN10: 1800562888
Categorías BISAC:
- Informática | Inteligencia Artificial | General
- Informática | Ciencia de Datos | Modelado y Diseño de Datos
Este título no es retornable