{"product_id":"mlops-engineering-at-scale-9781617297762","title":"Ingeniería MLOps a escala","description":"\u003cb\u003eEvite tareas de infraestructura costosas y que consumen mucho tiempo, ¡y lleve rápidamente sus modelos de aprendizaje automático a producción con MLOps y herramientas sin servidor preconstruidas!\u003c\/b\u003e \u003cp\u003e\u003c\/p\u003eEn \u003ci\u003eMLOps Engineering at Scale\u003c\/i\u003e aprenderá: \u003cp\u003e\u003c\/p\u003e Extracción, transformación y carga de conjuntos de datos\u003cbr\u003e Consulta de conjuntos de datos con SQL\u003cbr\u003e Comprensión de la diferenciación automática en PyTorch\u003cbr\u003e Implementación de canalizaciones de entrenamiento de modelos como un punto final de servicio\u003cbr\u003e Monitoreo y gestión del ciclo de vida de su canalización\u003cbr\u003e Medición de mejoras de rendimiento \u003cp\u003e\u003c\/p\u003e \u003ci\u003eMLOps Engineering at Scale\u003c\/i\u003e le muestra cómo poner el aprendizaje automático en producción de manera eficiente utilizando servicios preconstruidos de AWS y otros proveedores de la nube. Aprenderá a crear rápidamente sistemas de aprendizaje automático flexibles y escalables sin trabajar en tareas operativas que consumen mucho tiempo ni asumir los costosos gastos generales del hardware físico. Siguiendo un caso de uso del mundo real para calcular tarifas de taxi, diseñará una canalización MLOps para un modelo PyTorch utilizando las capacidades sin servidor de AWS. \u003cp\u003e\u003c\/p\u003e La compra del libro impreso incluye un libro electrónico gratuito en formato PDF, Kindle y ePub de Manning Publications. \u003cp\u003e\u003c\/p\u003e Acerca de la tecnología\u003cbr\u003e Un sistema de aprendizaje automático listo para producción incluye canalizaciones de datos eficientes, monitoreo integrado y medios para escalar hacia arriba y hacia abajo según la demanda. El uso de servicios basados en la nube para implementar la infraestructura de ML reduce el tiempo de desarrollo y los costos de alojamiento. MLOps sin servidor elimina la necesidad de construir y mantener una infraestructura personalizada, para que pueda concentrarse en sus datos, modelos y algoritmos. \u003cp\u003e\u003c\/p\u003e Acerca del libro\u003cbr\u003e \u003ci\u003eMLOps Engineering at Scale\u003c\/i\u003e le enseña cómo implementar sistemas eficientes de aprendizaje automático utilizando servicios preconstruidos de AWS y otros proveedores de la nube. Este libro fácil de seguir lo guía paso a paso mientras configura su infraestructura de ML sin servidor, incluso si nunca antes ha utilizado una plataforma en la nube. También explorará herramientas como PyTorch Lightning, Optuna y MLFlow que facilitan la creación de canalizaciones y la escalabilidad de sus modelos de aprendizaje profundo en producción. \u003cp\u003e\u003c\/p\u003e Contenido \u003cp\u003e\u003c\/p\u003e Reducir o eliminar la gestión de la infraestructura de ML\u003cbr\u003e Aprender herramientas MLOps de última generación como PyTorch Lightning y MLFlow\u003cbr\u003e Implementar canalizaciones de entrenamiento como un punto final de servicio\u003cbr\u003e Monitorear y gestionar el ciclo de vida de su canalización\u003cbr\u003e Medir las mejoras de rendimiento \u003cp\u003e\u003c\/p\u003eAcerca del lector\u003cbr\u003e Los lectores necesitan conocer Python, SQL y los conceptos básicos del aprendizaje automático. No se requiere experiencia en la nube. \u003cp\u003e\u003c\/p\u003e Acerca del autor\u003cbr\u003e \u003cb\u003eCarl Osipov\u003c\/b\u003e implementó su primera red neuronal en 2000 y ha trabajado en aprendizaje profundo y aprendizaje automático en Google e IBM. \u003cp\u003e\u003c\/p\u003e Tabla de Contenidos \u003cp\u003e\u003c\/p\u003ePARTE 1 - DOMINANDO EL CONJUNTO DE DATOS\u003cbr\u003e 1 Introducción al aprendizaje automático sin servidor\u003cbr\u003e 2 Comenzando con el conjunto de datos\u003cbr\u003e 3 Explorando y preparando el conjunto de datos\u003cbr\u003e 4 Más análisis exploratorio de datos y preparación de datos\u003cbr\u003e PARTE 2 - PYTORCH PARA APRENDIZAJE AUTOMÁTICO SIN SERVIDOR\u003cbr\u003e 5 Introducción a PyTorch: Conceptos básicos de tensores\u003cbr\u003e 6 PyTorch Core: Autograd, optimizadores y utilidades\u003cbr\u003e 7 Aprendizaje automático sin servidor a escala\u003cbr\u003e 8 Escalado con entrenamiento distribuido\u003cbr\u003e PARTE 3 - CANALIZACIÓN DE APRENDIZAJE AUTOMÁTICO SIN SERVIDOR\u003cbr\u003e 9 Selección de características\u003cbr\u003e 10 Adoptando PyTorch Lightning\u003cbr\u003e 11 Optimización de hiperparámetros\u003cbr\u003e 12 Canalización de aprendizaje automático\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-13995597\"\u003eCarl Osipov\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Manning Publications\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 01\/03\/2022\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 344\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 1.25lbs\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 9.21h x 7.32w x 0.79d\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9781617297762\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 1617297763\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM094000\"\u003eCiencia de Datos | Aprendizaje Automático\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM091000\"\u003eSistemas Distribuidos | Computación en la Nube\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM051360\"\u003eLenguajes | Python\u003c\/a\u003e\u003cbr\u003e\u003cbr\u003e\u003cp\u003e\u003cb\u003eAcerca del Autor\u003c\/b\u003e\u003cbr\u003e\u003cb\u003eCarl Osipov\u003c\/b\u003e ha pasado más de 15 años trabajando en el procesamiento de big data y el aprendizaje automático en sistemas distribuidos de múltiples núcleos, como la arquitectura orientada a servicios y las plataformas de computación en la nube. Mientras estuvo en IBM, Carl ayudó a IBM Software Group a dar forma a su estrategia en torno al uso de Docker y otras tecnologías basadas en contenedores para la computación sin servidor utilizando IBM Cloud y Amazon Web Services. En Google, Carl aprendió de los expertos más importantes del mundo en aprendizaje automático y también ayudó a gestionar los esfuerzos de la empresa para democratizar la inteligencia artificial. Puede obtener más información sobre Carl en su blog Clouds With Carl.\u003c\/p\u003e","brand":"Manning Publications","offers":[{"title":"Default Title","offer_id":42684807119085,"sku":"9781617297762","price":66.65,"currency_code":"USD","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/products\/img_82fa9f35-8132-4cd5-a509-772910a670f1.jpg?v=1649759136","url":"https:\/\/sureshotbooks.com\/es\/products\/mlops-engineering-at-scale-9781617297762","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}