Descripción
Si estás entrenando un modelo de aprendizaje automático pero no estás seguro de cómo ponerlo en producción, este libro te ayudará a lograrlo. Kubeflow ofrece una colección de herramientas nativas de la nube para diferentes etapas del ciclo de vida de un modelo, desde la exploración de datos, la preparación de características y el entrenamiento del modelo hasta la publicación del modelo. Esta guía ayuda a los científicos de datos a crear implementaciones de aprendizaje automático de calidad de producción con Kubeflow y muestra a los ingenieros de datos cómo hacer que los modelos sean escalables y confiables.
A lo largo del libro, los autores Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu y Boris Lublinsky explican, utilizando ejemplos, cómo usar Kubeflow para entrenar y servir sus modelos de aprendizaje automático sobre Kubernetes en la nube o en un entorno de desarrollo local.
- Comprender el diseño de Kubeflow, sus componentes principales y los problemas que resuelve
- Comprender las diferencias entre Kubeflow en diferentes tipos de clústeres
- Entrenar modelos usando Kubeflow con herramientas populares como Scikit-learn, TensorFlow y Apache Spark
- Mantener su modelo actualizado con Kubeflow Pipelines
- Comprender cómo capturar metadatos de entrenamiento de modelos
- Explorar cómo extender Kubeflow con herramientas adicionales de código abierto
- Usar el ajuste de hiperparámetros para el entrenamiento
- Aprender a servir su modelo en producción
Autor: Trevor Grant, Holden Karau, Boris Lublinsky
Editorial: O'Reilly Media
Publicado: 03/11/2020
Páginas: 264
Tipo de encuadernación: Tapa blanda
Peso: 0.94lbs
Tamaño: 9.19h x 7.00w x 0.55d
ISBN13: 9781492050124
ISBN10: 1492050121
Categorías BISAC:
- Computadoras | Ciencia de datos | Aprendizaje automático
- Computadoras | Inteligencia artificial | General
- Computadoras | Programación | Algoritmos
Sobre el autor
Trevor Grant es miembro de la Apache Software Foundation y participa activamente en los proyectos Apache Mahout, Apache Streams y Community Development. A menudo experimenta y ocasionalmente documenta sus (des)aventuras en www.rawkintrevo.org. Antes, era un orador internacional sobre tecnología, pero ahora se enfoca principalmente en la escritura. Trevor desea agradecer a IBM por su continuo patrocinio de sus esfuerzos artísticos. Vive en Chicago porque es la mejor ciudad del planeta, con comida, parques y cultura de clase mundial, y porque los cielos nunca son naranjas.
Holden Karau es una persona transgénero canadiense, miembro de la Apache Spark, miembro de la Apache Software Foundation y una activa colaboradora de código abierto. También extiende su pasión por construir comunidad con proyectos de la industria como Scaling for Python for ML y la enseñanza de computación distribuida a niños. Como ingeniera de software, ha trabajado en una variedad de problemas de computación distribuida, búsqueda y clasificación en Google, IBM, Alpine, Databricks, Foursquare y Amazon. Se graduó de la Universidad de Waterloo con una licenciatura en matemáticas en ciencias de la computación. Fuera del software, le gusta jugar con fuego, soldar, andar en scooter, comer poutine y bailar.
Boris Lublinsky es arquitecto principal en Lightbend. Boris tiene más de 25 años de experiencia en arquitectura empresarial y técnica, e ingeniería de software. Es un miembro activo del comité OASIS SOA RM, coautor de Applied SOA: Service-Oriented Architecture and Design Strategies (Wiley) y autor de numerosos artículos sobre Arquitectura, Programación, Big Data, SOA y BPM.
Richard Liu es Ingeniero de Software Senior en Waymo, donde se enfoca en construir una plataforma de aprendizaje automático para autos autónomos. Anteriormente, trabajó en Microsoft Azure y Google Cloud. Es uno de los principales mantenedores del proyecto Kubeflow y ha dado varias charlas en KubeCon. Posee una maestría en Ciencias de la Computación de la Universidad de California, San Diego.
Ilan Filonenko es miembro del equipo de Infraestructura de Ciencia de Datos en Bloomberg, donde ha diseñado e implementado sistemas distribuidos tanto a nivel de aplicación como de infraestructura. Anteriormente, Ilan fue consultor de ingeniería y líder técnico en varias startups y divisiones de investigación en múltiples verticales de la industria, incluyendo medicina, hostelería, finanzas y música. Contribuye activamente a proyectos de código abierto, principalmente Apache Spark y KFServing de Kubeflow. Es uno de los principales contribuyentes de Spark en Kubernetes, centrándose principalmente en la mezcla remota y la seguridad de HDFS, y en el servicio de modelos múltiples en KFServing. La investigación de Ilan se ha centrado en técnicas algorítmicas, de software y hardware para el aprendizaje automático de alto rendimiento, con énfasis en la optimización de algoritmos estocásticos y la gestión de modelos.