Ingeniería de aprendizaje automático con Python - Segunda edición: gestione el ciclo de vida de los modelos de aprendizaje automático usando MLOps con ejemplos prácticos

Transforme sus proyectos de aprendizaje automático en implementaciones exitosas con esta guía práctica sobre cómo construir y escalar soluciones que resuelvan problemas del mundo real.

Incluye un nuevo capítulo sobre IA generativa y grandes modelos de lenguaje (LLM) y la construcción de un pipeline que aprovecha los LLM usando LangChain.

Características clave:

• Esta segunda edición profundiza en temas clave de aprendizaje automático, CI/CD y diseño de sistemas.
• Explore las prácticas centrales de MLOps, como la gestión de modelos y el monitoreo del rendimiento.
• Construya ejemplos de extremo a extremo de microservicios y pipelines de ML desplegables usando AWS y herramientas de código abierto.

Descripción del libro:

Machine Learning Engineering with Python, 2.ª edición, es la guía práctica que los ingenieros de MLOps y ML necesitan para construir soluciones robustas para resolver problemas del mundo real, brindándole las habilidades y el conocimiento que necesita para mantenerse a la vanguardia en este campo en rápida evolución.

El libro adopta un enfoque práctico y centrado en ejemplos, proporcionando conceptos técnicos esenciales, patrones de implementación y metodologías de desarrollo. Pasará de comprender los pasos clave del ciclo de vida del desarrollo del aprendizaje automático a construir e implementar soluciones robustas de aprendizaje automático. Una vez que domine los conceptos básicos, se familiarizará con las arquitecturas de implementación y descubrirá métodos para escalar sus soluciones.

Esta edición profundiza en la ingeniería de ML y MLOps, con un enfoque más nítido en ML. Llevará CI/CD más allá con capacitación y pruebas continuas y profundizará en la deriva de datos y conceptos.

Con un nuevo capítulo de IA generativa, explore Hugging Face, PyTorch y GitHub Copilot, y consuma un LLM a través de una API usando LangChain. También cubrirá consideraciones de aprendizaje profundo con respecto al flujo de trabajo, hardware y escalado de cargas de trabajo, así como la orquestación de flujos de trabajo con Airflow y Kafka. Y aproveche ZenML como una opción de código abierto para canalizar flujos de datos, y lleve la implementación más allá con implementaciones canary, blue y green.

Lo que aprenderá:

• Planificar y gestionar las etapas de los proyectos de desarrollo de aprendizaje automático.
• Explore ANN, DNN y LLM, y familiarícese con el auge de la IA generativa en MLOps.
• Use Python para empaquetar sus propias herramientas de ML y escalar soluciones con Apache Spark, Kubernetes y Apache Airflow.
• Use AutoML para el ajuste de hiperparámetros.
• Detecte la deriva y construya mecanismos robustos en sus soluciones.
• Potencie su manejo de errores con flujos de control robustos y escaneo de vulnerabilidades.
• Aloje y construya un microservicio de ML usando AWS y Flask.

A quién va dirigido este libro:

Este libro está diseñado para ingenieros de MLOps y ML, científicos de datos y desarrolladores de software que desean construir soluciones robustas que utilicen el aprendizaje automático para resolver problemas del mundo real. Si no es desarrollador, pero desea administrar o comprender el ciclo de vida del producto de estos sistemas, también encontrará este libro útil. Asume un conocimiento básico de los conceptos de aprendizaje automático y una experiencia intermedia en programación en Python. Con su enfoque en habilidades prácticas y ejemplos del mundo real, este libro es un recurso esencial para cualquiera que busque avanzar en su carrera de ingeniería de aprendizaje automático.

Autor: Andrew McMahon
Editorial: Packt Publishing
Publicado: 31/08/2023
Páginas: 462
Tipo de encuadernación: Tapa blanda
Peso: 1.74 lbs
Tamaño: 9.25h x 7.50w x 0.93d
ISBN13: 9781837631964
ISBN10: 1837631964
Categorías BISAC:
- Informática | Teoría de Máquinas
- Informática | Ingeniería Informática
- Informática | Desarrollo e Ingeniería de Software | Análisis y Diseño de Sistemas

Este título no es retornable