Descripción
Ponga en marcha la gestión del ciclo de vida del aprendizaje automático e implemente MLOps en su organización
Características principales:
- 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 desplegados
- Realice CI/CD para automatizar nuevas implementaciones en las canalizaciones de ML
Descripción del libro:
Engineering MLOps presenta información exhaustiva sobre MLOps junto con ejemplos del mundo real en Azure para ayudarle a escribir programas, entrenar modelos de ML robustos y escalables, y construir canalizaciones de ML para entrenar y desplegar 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. A continuación, explorará las opciones para serializar y empaquetar modelos de ML después del entrenamiento para desplegarlos y facilitar la inferencia de aprendizaje automático, la interoperabilidad de modelos y la trazabilidad de modelos de extremo a extremo. Aprenderá a construir canalizaciones de ML, canalizaciones de integración continua y entrega continua (CI/CD) y canalizaciones de monitoreo para construir, desplegar, 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 y canalizaciones de gobernanza de datos para el entrenamiento y despliegue de ML
- Familiarizarse con la implementación de canalizaciones de ML, canalizaciones de CI/CD y canalizaciones 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 de modelos 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 desean construir, desplegar y mantener sistemas de ML en producción utilizando los principios y técnicas de MLOps. Es necesario tener conocimientos básicos 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