Descripción
Las empresas están invirtiendo miles de millones en proyectos de aprendizaje automático, pero ese dinero se desperdicia si los modelos no pueden implementarse de manera efectiva. En esta guía práctica, Hannes Hapke y Catherine Nelson lo guiarán a través de los pasos para automatizar una canalización de aprendizaje automático utilizando el ecosistema de TensorFlow. Aprenderá las técnicas y herramientas que reducirán el tiempo de implementación de días a minutos, para que pueda concentrarse en desarrollar nuevos modelos en lugar de mantener sistemas heredados.
Los científicos de datos, los ingenieros de aprendizaje automático y los ingenieros de DevOps descubrirán cómo ir más allá del desarrollo de modelos para productizar con éxito sus proyectos de ciencia de datos, mientras que los gerentes comprenderán mejor el papel que desempeñan para ayudar a acelerar estos proyectos.
- Comprender los pasos para construir una canalización de aprendizaje automático
- Construir su canalización utilizando componentes de TensorFlow Extended
- Orquestar su canalización de aprendizaje automático con Apache Beam, Apache Airflow y Kubeflow Pipelines
- Trabajar con datos usando TensorFlow Data Validation y TensorFlow Transform
- Analizar un modelo en detalle usando TensorFlow Model Analysis
- Examinar la equidad y el sesgo en el rendimiento de su modelo
- Implementar modelos con TensorFlow Serving o TensorFlow Lite para dispositivos móviles
- Aprender técnicas de aprendizaje automático que preservan la privacidad
Autor: Hannes Hapke, Catherine Nelson
Editorial: O'Reilly Media
Publicado: 08/04/2020
Páginas: 366
Tipo de encuadernación: Tapa blanda
Peso: 1.28 lbs
Tamaño: 9.17h x 7.01w x 0.76d
ISBN13: 9781492053194
ISBN10: 1492053198
Categorías BISAC:
- Informática | Ciencia de datos | Modelado y diseño de datos
- Informática | Inteligencia artificial | Procesamiento del lenguaje natural
- Informática | Procesamiento de imágenes
Sobre el autor
Hannes Hapke es vicepresidente de ingeniería en Caravel, una empresa de aprendizaje automático que ofrece productos de personalización novedosos para la industria minorista. Antes de unirse a Caravel, Hannes fue ingeniero senior de ciencia de datos en Cambia Health Solutions, un proveedor de soluciones de salud para 2.6 millones de personas, y un ingeniero de aprendizaje automático en Talentpair, Inc., donde desarrolló un modelo novedoso de aprendizaje profundo para empresas de contratación. Hannes cofundó una startup de energía renovable que aplicó el aprendizaje profundo para detectar hogares que serían candidatos óptimos para la energía solar. Además, Hannes ha sido coautor de una publicación sobre procesamiento de lenguaje natural y aprendizaje profundo y ha presentado en varias conferencias sobre aprendizaje profundo y Python.
Catherine Nelson es científica de datos senior para Concur Labs en SAP Concur, donde explora formas innovadoras de utilizar el aprendizaje automático para mejorar la experiencia de un viajero de negocios. Está particularmente interesada en el aprendizaje automático que preserva la privacidad y en la aplicación del aprendizaje profundo a los datos empresariales. En su carrera anterior como geofísica, estudió volcanes antiguos y exploró en busca de petróleo en Groenlandia. Catherine tiene un doctorado en geofísica de la Universidad de Durham y una Maestría en Ciencias de la Tierra de la Universidad de Oxford.