توضیحات
Integrate MLOps principles into existing or future projects using MLFlow, operationalize your models, and deploy them in AWS SageMaker, Google Cloud, and Microsoft Azure. This book guides you through the process of data analysis, model construction, and training.
The authors begin by introducing you to basic data analysis on a credit card data set and teach you how to analyze the features and their relationships to the target variable. You will learn how to build logistic regression models in scikit-learn and PySpark, and you will go through the process of hyperparameter tuning with a validation data set. You will explore three different deployment setups of machine learning models with varying levels of automation to help you better understand MLOps. MLFlow is covered and you will explore how to integrate MLOps into your existing code, allowing you to easily track metrics, parameters, graphs, and models. You will be guided through the process of deploying and querying your models with AWS SageMaker, Google Cloud, and Microsoft Azure. And you will learn how to integrate your MLOps setups using Databricks.
What You Will Learn
- Perform basic data analysis and construct models in scikit-learn and PySpark
- Train, test, and validate your models (hyperparameter tuning)
- Know what MLOps is and what an ideal MLOps setup looks like
- Easily integrate MLFlow into your existing or future projects
- Deploy your models and perform predictions with them on the cloud
Who This Book Is For
Data scientists and machine learning engineers who want to learn MLOps and know how to operationalize their models
————————————————————–
ترجمه ماشینی :
اصول MLOps را با استفاده از MLFlow در پروژههای موجود یا آینده ادغام کنید، مدلهای خود را عملیاتی کنید و آنها را در AWS SageMaker، Google Cloud و Microsoft Azure استقرار دهید. این کتاب شما را در فرآیند تجزیه و تحلیل دادهها، ساخت مدل و آموزش راهنمایی میکند.
نویسندگان با معرفی شما با تجزیه و تحلیل دادههای پایه در مجموعه دادههای کارت اعتباری شروع میکنند و به شما یاد میدهند که چگونه ویژگیها و روابط آنها با هدف را تجزیه و تحلیل کنید. متغیر. شما یاد خواهید گرفت که چگونه مدل های رگرسیون لجستیک را در scikit-learn و PySpark بسازید، و فرآیند تنظیم هایپرپارامتر را با مجموعه داده های اعتبارسنجی طی خواهید کرد. شما سه راهاندازی مختلف از مدلهای یادگیری ماشین را با سطوح مختلف اتوماسیون بررسی خواهید کرد تا به شما در درک بهتر MLOها کمک کند. MLFlow پوشش داده شده است و شما نحوه ادغام MLO ها را در کد موجود خود بررسی خواهید کرد، که به شما امکان می دهد به راحت
tag : دانلود کتاب شروع MLO با MLFlow: استقرار مدلها در AWS SageMaker، Google Cloud و Microsoft Azure , Download شروع MLO با MLFlow: استقرار مدلها در AWS SageMaker، Google Cloud و Microsoft Azure , دانلود شروع MLO با MLFlow: استقرار مدلها در AWS SageMaker، Google Cloud و Microsoft Azure , Download Beginning MLOps with MLFlow: Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure Book , شروع MLO با MLFlow: استقرار مدلها در AWS SageMaker، Google Cloud و Microsoft Azure دانلود , buy شروع MLO با MLFlow: استقرار مدلها در AWS SageMaker، Google Cloud و Microsoft Azure , خرید کتاب شروع MLO با MLFlow: استقرار مدلها در AWS SageMaker، Google Cloud و Microsoft Azure , دانلود کتاب Beginning MLOps with MLFlow: Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure , کتاب Beginning MLOps with MLFlow: Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure , دانلود Beginning MLOps with MLFlow: Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure , خرید Beginning MLOps with MLFlow: Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure , خرید کتاب Beginning MLOps with MLFlow: Deploy Models in AWS SageMaker, Google Cloud, and Microsoft Azure ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.