توضیحات
Companies are spending billions on machine learning projects, but it’s money wasted if the models can’t be deployed effectively. In this practical guide, Hannes Hapke and Catherine Nelson walk you through the steps of automating a machine learning pipeline using the TensorFlow ecosystem. You’ll learn the techniques and tools that will cut deployment time from days to minutes, so that you can focus on developing new models rather than maintaining legacy systems.
Data scientists, machine learning engineers, and DevOps engineers will discover how to go beyond model development to successfully productize their data science projects, while managers will better understand the role they play in helping to accelerate these projects.
Understand the steps that make up a machine learning pipeline
Build your pipeline using components from TensorFlow Extended
Orchestrate your machine learning pipeline with Apache Beam, Apache Airflow and Kubeflow Pipelines
Work with data using TensorFlow Data Validation and TensorFlow Transform
Analyze a model in detail using TensorFlow Model Analysis
Examine fairness and bias in your model performance
Deploy models with TensorFlow Serving or convert them to TensorFlow Lite for mobile devices
Understand privacy-preserving machine learning techniques
————————————————————–
ترجمه ماشینی :
شرکتها میلیاردها دلار برای پروژههای یادگیری ماشینی هزینه میکنند، اما اگر مدلها نتوانند به طور موثر به کار گرفته شوند، این پول هدر میرود. در این راهنمای عملی، هانس هاپک و کاترین نلسون شما را در مراحل خودکارسازی خط لوله یادگیری ماشین با استفاده از اکوسیستم تنسورفلو راهنمایی میکنند. شما تکنیک ها و ابزارهایی را یاد خواهید گرفت که زمان استقرار را از روزها به دقیقه کاهش می دهند تا بتوانید به جای حفظ سیستم های قدیمی روی توسعه مدل های جدید تمرکز کنید. دانشمندان داده، مهندسان یادگیری ماشین و مهندسان DevOps کشف خواهند کرد که چگونه فراتر از توسعه مدل بروند تا پروژه های علم داده خود را با موفقیت تولید کنند، در حالی که مدیران نقشی که در کمک به تسریع این پروژه ها ایفا می کنند را بهتر درک خواهند کرد. مراحلی را که خط لوله یادگیری ماشینی را تشکیل می دهد را بدانید خط لوله خود را با استفاده از اجزای TensorFlow Extended بسازید خط لوله یادگیری ماشین خود را با Apache Beam، Apache Airflow و Kubeflow Pipelines هماهنگ کنید کار با داده ها با استفاده از اعتبارسنجی داده های TensorFlow و تبدیل TensorFlow تجزیه و تحلیل یک با استفاده از تجزیه و تحلیل مدل TensorFlow با جزئیات مدل کنید انصاف و تعصب در عملکرد مدل خود را بررسی کنید مدل ها را با سرویس TensorFlow مستقر کنید یا آنها را برای دستگاه های تلفن همراه به TensorFlow Lite تبدیل کنید تکنیک های یادگیری ماشینی حفظ حریم خصوصی را درک کنید
tag : دانلود کتاب ساخت خطوط لوله یادگیری ماشین: خودکارسازی چرخه های زندگی مدل با TensorFlow , Download ساخت خطوط لوله یادگیری ماشین: خودکارسازی چرخه های زندگی مدل با TensorFlow , دانلود ساخت خطوط لوله یادگیری ماشین: خودکارسازی چرخه های زندگی مدل با TensorFlow , Download Building Machine Learning Pipelines: Automating Model Life Cycles with TensorFlow Book , ساخت خطوط لوله یادگیری ماشین: خودکارسازی چرخه های زندگی مدل با TensorFlow دانلود , buy ساخت خطوط لوله یادگیری ماشین: خودکارسازی چرخه های زندگی مدل با TensorFlow , خرید کتاب ساخت خطوط لوله یادگیری ماشین: خودکارسازی چرخه های زندگی مدل با TensorFlow , دانلود کتاب Building Machine Learning Pipelines: Automating Model Life Cycles with TensorFlow , کتاب Building Machine Learning Pipelines: Automating Model Life Cycles with TensorFlow , دانلود Building Machine Learning Pipelines: Automating Model Life Cycles with TensorFlow , خرید Building Machine Learning Pipelines: Automating Model Life Cycles with TensorFlow , خرید کتاب Building Machine Learning Pipelines: Automating Model Life Cycles with TensorFlow ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.