کتاب مهندسی یادگیری ماشین با پایتون: چرخه عمر تولید مدل های یادگیری ماشین را با استفاده از MLOP ها با مثال های عملی مدیریت کنید

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

 
دانلود کتاب Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples

عنوان کتاب به انگلیسی:

Machine Learning Engineering with Python: Manage the production life cycle of machine learning models using MLOps with practical examples

سال انتشار: 2021  |  276 صفحه  |  حجم فایل: 16 مگابایت  |  زبان: انگلیسی
نویسنده Andrew P. McMahon
ناشر Packt Publishing
ISBN10: 1801079250
ISBN13: 9781801079259

توضیحات کتاب

Supercharge the value of your machine learning models by building scalable and robust solutions that can serve them in production environments Key FeaturesExplore hyperparameter optimization and model management tools Learn object-oriented programming and functional programming in Python to build your own ML libraries and packages Explore key ML engineering patterns like microservices and the Extract Transform Machine Learn (ETML) pattern with use casesBook Description Machine learning engineering is a thriving discipline at the interface of software development and machine learning. This book will help developers working with machine learning and Python to put their knowledge to work and create high-quality machine learning products and services. Machine Learning Engineering with Python takes a hands-on approach to help you get to grips with essential technical concepts, implementation patterns, and development methodologies to have you up and running in no time. You'll begin by understanding key steps of the machine learning development life cycle before moving on to practical illustrations and getting to grips with building and deploying robust machine learning solutions. As you advance, you'll explore how to create your own toolsets for training and deployment across all your projects in a consistent way. The book will also help you get hands-on with deployment architectures and discover methods for scaling up your solutions while building a solid understanding of how to use cloud-based tools effectively. Finally, you'll work through examples to help you solve typical business problems. By the end of this book, you'll be able to build end-to-end machine learning services using a variety of techniques and design your own processes for consistently performant machine learning engineering. What you will learn Find out what an effective ML engineering process looks like Uncover options for automating training and deployment and learn how to use them Discover how to build your own wrapper libraries for encapsulating your data science and machine learning logic and solutions Understand what aspects of software engineering you can bring to machine learning Gain insights into adapting software engineering for machine learning using appropriate cloud technologies Perform hyperparameter tuning in a relatively automated way Who this book is for This book is for machine learning engineers, data scientists, and software developers who want to build robust software solutions with machine learning components. If you're someone who manages or wants to understand the production life cycle of these systems, you'll find this book useful. Intermediate-level knowledge of Python is necessary. Table of Contents Introduction to ML Engineering The Machine Learning Development Process From Model to Model Factory Packaging Up Deployment Patterns and Tools Scaling Up Building an Example ML Microservice Building an Extract Transform Machine Learning Use Case

توضیحات کتاب به فارسی (ترجمه ماشینی)

با ایجاد راه حل های مقیاس پذیر و قوی که می تواند در محیط های تولیدی به آنها خدمت کند ، ارزش مدل های یادگیری ماشین خود را شارژ کنید ویژگی های کلیدی بهینه سازی Hyperparameter و ابزارهای مدیریت مدل را کاوش کنید برنامه نویسی شی گرا و برنامه نویسی عملکردی را در پایتون بیاموزید تا کتابخانه ها و بسته های ML خود را بسازید الگوهای مهندسی کلیدی ML مانند میکروسرویس و الگوی Extract Transform Machine Learn (ETML) را با موارد استفاده کاوش کنید توضیحات کتاب مهندسی یادگیری ماشین یک رشته پر رونق در رابط توسعه نرم افزار و یادگیری ماشین است.این کتاب به توسعه دهندگان کمک می کند تا با یادگیری ماشین و پایتون کار کنند تا دانش خود را برای کار و ایجاد محصولات و خدمات یادگیری ماشین با کیفیت بالا ایجاد کنند. مهندسی یادگیری ماشین با پایتون یک رویکرد مفید را برای کمک به شما در دستیابی به مفاهیم فنی اساسی ، الگوهای اجرای و روشهای توسعه به شما کمک می کند تا شما را در هیچ زمان و در حال اجرا نباشد.شما با درک مراحل کلیدی چرخه زندگی توسعه ماشین قبل از حرکت به سمت تصاویر عملی و رسیدن به راه حل های یادگیری ماشین قوی ، شروع می کنید.با پیشرفت ، شما می توانید نحوه ایجاد ابزارهای خود را برای آموزش و استقرار در تمام پروژه های خود به روشی مداوم ایجاد کنید.این کتاب همچنین به شما کمک می کند تا با معماری های استقرار ، در هنگام ایجاد درک کاملی از نحوه استفاده از ابزارهای مبتنی بر ابر به طور مؤثر ، با معماری های استقرار و کشف روشهای خود را کشف کنید.سرانجام ، شما از طریق مثالهایی کار خواهید کرد تا به شما در حل مشکلات تجاری معمولی کمک کند. با پایان این کتاب ، شما قادر خواهید بود با استفاده از تکنیک های متنوعی ، خدمات یادگیری ماشین نهایی را به پایان برسانید و فرآیندهای خود را برای مهندسی یادگیری ماشین به طور مداوم طراحی کنید. آنچه یاد خواهید گرفت دریابید که یک روند مهندسی ML مؤثر به نظر می رسد گزینه های خودکار برای آموزش و استقرار را کشف کنید و نحوه استفاده از آنها را بیاموزید کشف کنید که چگونه می توانید کتابخانه های بسته بندی خود را برای محاصره کردن علوم داده و منطق یادگیری ماشین و راه حل های خود بسازید درک کنید که چه جنبه هایی از مهندسی نرم افزار را می توانید به یادگیری ماشین بیاورید با استفاده از فن آوری های ابر مناسب ، بینش در مورد تطبیق مهندسی نرم افزار برای یادگیری ماشین را بدست آورید تنظیم Hyperparameter را به روشی نسبتاً خودکار انجام دهید این کتاب برای چه کسی است این کتاب برای مهندسان یادگیری ماشین ، دانشمندان داده و توسعه دهندگان نرم افزار است که می خواهند راه حل های نرم افزاری قوی با اجزای یادگیری ماشین بسازند.اگر کسی هستید که می خواهید چرخه زندگی این سیستم ها را درک کنید یا می خواهید درک کنید ، این کتاب را مفید خواهید دید.دانش سطح متوسط از پایتون ضروری است. فهرست مطالب آشنایی با مهندسی ML فرایند توسعه یادگیری ماشین از مدل تا کارخانه مدل بسته بندی الگوهای و ابزارهای استقرار مقیاس پذیر ساخت یک میکروسرویس ML ساختن یک مورد استفاده از ماشین آلات تبدیل عصاره

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر کتاب اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.