نرم افزار: سیستم ها: محاسبات علمی

Kubeflow برای یادگیری ماشین: از آزمایشگاه تا تولید

Kubeflow for Machine Learning: From Lab to Production

دانلود کتاب Kubeflow for Machine Learning: From Lab to Production (به فارسی: Kubeflow برای یادگیری ماشین: از آزمایشگاه تا تولید) نوشته شده توسط «Trevor Grant – Holden Karau – Boris Lublinsky – Richard Liu – Ilan Filonenko»

اطلاعات کتاب Kubeflow برای یادگیری ماشین: از آزمایشگاه تا تولید

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: O’Reilly Media

نویسنده: Trevor Grant – Holden Karau – Boris Lublinsky – Richard Liu – Ilan Filonenko

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2020

تعداد صفحه: 264

حجم فایل: 13.95 مگابایت

کد کتاب: 1492050121 , 9781492050124

نوبت چاپ: 1

توضیحات کتاب Kubeflow برای یادگیری ماشین: از آزمایشگاه تا تولید

اگر در حال آموزش یک مدل یادگیری ماشینی هستید اما مطمئن نیستید که چگونه آن را تولید کنید، این کتاب شما را به آنجا خواهد رساند. Kubeflow مجموعه‌ای از ابزارهای بومی ابری را برای مراحل مختلف چرخه عمر یک مدل، از کاوش داده‌ها، آماده‌سازی ویژگی‌ها، و آموزش مدل تا ارائه مدل ارائه می‌کند. این راهنما به دانشمندان داده کمک می‌کند تا با Kubeflow پیاده‌سازی‌های یادگیری ماشینی درجه تولید بسازند و به مهندسان داده نشان می‌دهد که چگونه مدل‌ها را مقیاس‌پذیر و قابل اعتماد بسازند.

نویسندگان هولدن کارائو، ترور گرانت، ایلان فیلوننکو، ریچارد لیو و بوریس لوبلینسکی با استفاده از مثال‌هایی در سراسر کتاب، نحوه استفاده از Kubeflow را برای آموزش و ارائه مدل‌های یادگیری ماشین خود در بالای Kubernetes در فضای ابری یا در محیط توسعه در محل توضیح می‌دهند. .

• طراحی Kubeflow، اجزای اصلی و مشکلاتی که حل می کند را درک کنید
• تفاوت بین Kubeflow در انواع مختلف خوشه را درک کنید
• مدل‌های قطار با استفاده از Kubeflow با ابزارهای محبوب از جمله Scikit-learn، TensorFlow، و Apache Spark
• مدل خود را با خطوط لوله Kubeflow به روز نگه دارید
• نحوه گرفتن ابرداده آموزشی مدل را بدانید
• نحوه گسترش Kubeflow را با ابزارهای منبع باز اضافی کاوش کنید
• از تنظیم هایپرپارامتر برای آموزش استفاده کنید
• یاد بگیرید که چگونه به مدل خود در تولید خدمت کنید

If you’re training a machine learning model but aren’t sure how to put it into production, this book will get you there. Kubeflow provides a collection of cloud native tools for different stages of a model’s lifecycle, from data exploration, feature preparation, and model training to model serving. This guide helps data scientists build production-grade machine learning implementations with Kubeflow and shows data engineers how to make models scalable and reliable.

Using examples throughout the book, authors Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu, and Boris Lublinsky explain how to use Kubeflow to train and serve your machine learning models on top of Kubernetes in the cloud or in a development environment on-premises.

• Understand Kubeflow’s design, core components, and the problems it solves
• Understand the differences between Kubeflow on different cluster types
• Train models using Kubeflow with popular tools including Scikit-learn, TensorFlow, and Apache Spark
• Keep your model up to date with Kubeflow Pipelines
• Understand how to capture model training metadata
• Explore how to extend Kubeflow with additional open source tools
• Use hyperparameter tuning for training
• Learn how to serve your model in production

دانلود کتاب «Kubeflow برای یادگیری ماشین: از آزمایشگاه تا تولید»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان