توضیحات
Simplify data science infrastructure to give data scientists an efficient path from prototype to production.
In Effective Data Science Infrastructure you will learn how to:
Design data science infrastructure that boosts productivity
Handle compute and orchestration in the cloud
Deploy machine learning to production
Monitor and manage performance and results
Combine cloud-based tools into a cohesive data science environment
Develop reproducible data science projects using Metaflow, Conda, and Docker
Architect complex applications for multiple teams and large datasets
Customize and grow data science infrastructure
Effective Data Science Infrastructure: How to make data scientists more productive is a hands-on guide to assembling infrastructure for data science and machine learning applications. It reveals the processes used at Netflix and other data-driven companies to manage their cutting edge data infrastructure. In it, youll master scalable techniques for data storage, computation, experiment tracking, and orchestration that are relevant to companies of all shapes and sizes. Youll learn how you can make data scientists more productive with your existing cloud infrastructure, a stack of open source software, and idiomatic Python.
The author is donating proceeds from this book to charities that support women and underrepresented groups in data science.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.
About the technology
Growing data science projects from prototype to production requires reliable infrastructure. Using the powerful new techniques and tooling in this book, you can stand up an infrastructure stack that will scale with any organization, from startups to the largest enterprises.
About the book
Effective Data Science Infrastructure teaches you to build data pipelines and project workflows that will supercharge data scientists and their projects. Based on state-of-the-art tools and concepts that power data operations of Netflix, this book introduces a customizable cloud-based approach to model development and MLOps that you can easily adapt to your companys specific needs. As you roll out these practical processes, your teams will produce better and faster results when applying data science and machine learning to a wide array of business problems.
What’s inside
Handle compute and orchestration in the cloud
Combine cloud-based tools into a cohesive data science environment
Develop reproducible data science projects using Metaflow, AWS, and the Python data ecosystem
Architect complex applications that require large datasets and models, and a team of data scientists
About the reader
For infrastructure engineers and engineering-minded data scientists who are familiar with Python.
About the author
At Netflix, Ville Tuulos designed and built Metaflow, a full-stack framework for data science. Currently, he is the CEO of a startup focusing on data science infrastructure.
Table of Contents
1 Introducing data science infrastructure
2 The toolchain of data science
3 Introducing Metaflow
4 Scaling with the compute layer
5 Practicing scalability and performance
6 Going to production
7 Processing data
8 Using and operating models
9 Machine learning with the full stack
————————————————————–
ترجمه ماشینی :
زیرساخت علم داده را ساده کنید تا به دانشمندان داده مسیری کارآمد از نمونه اولیه تا تولید بدهد.
در زیرساخت علم داده موثر شما یاد خواهید گرفت که چگونه:
طراحی زیرساخت علم داده که بهره وری را افزایش می دهد
مدیریت محاسبات و هماهنگی در فضای ابری
استقرار یادگیری ماشین برای تولید
نظارت و مدیریت عملکرد و نتایج
ابزارهای مبتنی بر ابر را در یک محیط منسجم علم داده ترکیب کنید
با استفاده از Metaflow، Conda، و Docker پروژههای علمی دادهای تکرارپذیر ایجاد کنید
برنامههای کاربردی پیچیده معمار برای تیمهای متعدد و مجموعههای داده بزرگ
سفارشیسازی و رشد زیرساخت علم دادهها
زیرساخت موثر علم داده: چگونه دانشمندان داده را بهرهورتر کنیم راهنمای عملی برای جمعآوری زیرساخت برای کاربردهای علم داده و یادگیری ماشین است. این فرآیندهای مورد استفاده در نتفلیکس و سایر شرکتهای مبتنی بر داده را برای مدیریت زیرساخت دادههای پیشرفته خود نشان میدهد. در آن، شما بر تکنیکهای مقیاسپذیر برای ذخیرهسازی دادهها، محاسبات، ردیابی آزمایش و هماهنگسازی که مربوط به شرکتهایی با هر شکل و اندازه است، مسلط خواهید شد. شما یاد خواهید گرفت که چگونه میتوانید با زیرساختهای ابری موجود، مجموعهای از نرمافزارهای متنباز و اصطلاحی Python، دانشمندان داده را کارآمدتر کنید.
نویسنده درآمد حاصل از این کتاب را به مؤسسات خیریهای اهدا میکند که از زنان و گروههای دارای نمایندگی کمتر حمایت میکنند. علم داده.
خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالبهای PDF، Kindle و ePub از انتشارات منینگ است.
درباره فناوری
رشد پروژههای علم داده از نمونه اولیه تا تولید نیاز به زیرساخت قابل اعتماد دارد. با استفاده از تکنیکها و ابزار قدرتمند جدید در این کتاب، میتوانید زیرساختهایی را برپا کنید که برای هر سازمانی، از استارتآپها گرفته تا بزرگترین شرکتها، مقیاس خواهد شد.
درباره کتاب
زیرساخت کارآمد علم داده به شما می آموزد که خطوط لوله داده و گردش کار پروژه ایجاد کنید که دانشمندان داده و پروژه های آنها را شارژ کند. این کتاب بر اساس ابزارها و مفاهیم پیشرفته ای که عملیات داده نتفلیکس را تقویت می کند، یک رویکرد مبتنی بر ابر قابل تنظیم برای توسعه مدل و MLO را معرفی می کند که می توانید به راحتی با نیازهای خاص شرکت خود سازگار شوید. با اجرای این فرآیندهای عملی، تیمهای شما نتایج بهتر و سریعتری را هنگام اعمال علم داده و یادگیری ماشین برای طیف گستردهای از مشکلات کسبوکار تولید میکنند.
آنچه در داخل است
مدیریت محاسبات و هماهنگسازی در ابر
ترکیب ابزارهای مبتنی بر ابر در یک محیط منسجم علم داده
توسعه پروژه های علمی داده قابل تکرار با استفاده از Metaflow، AWS و اکوسیستم داده Python
برنامه های کاربردی پیچیده معمار که به مجموعه داده ها و مدل های بزرگ و یک تیم نیاز دارند از دانشمندان داده
درباره خواننده
برای مهندسان زیرساخت و دانشمندان داده مهندسی که با پایتون آشنا هستند.
درباره نویسنده
در نتفلیکس، < span>Ville Tuulos Metaflow را طراحی و ساخت، یک چارچوب تمام پشته برای علم داده. در حال حاضر، او مدیرعامل یک استارتاپ با تمرکز بر زیرساخت های علم داده است.
فهرست مطالب
1 معرفی زیرساخت علم داده
2 زنجیره ابزار علم داده
3 معرفی Metaflow
4 مقیاس گذاری با لایه محاسباتی
5 تمرین مقیاس پذیری و عملکرد
6 رفتن به سمت تولید
7 پردازش داده ها
8 استفاده و عملکرد مدل ها
9 یادگیری ماشینی با پشته کامل
tag : دانلود کتاب زیرساخت موثر علم داده: چگونه دانشمندان داده را مولد کنیم , Download زیرساخت موثر علم داده: چگونه دانشمندان داده را مولد کنیم , دانلود زیرساخت موثر علم داده: چگونه دانشمندان داده را مولد کنیم , Download Effective Data Science Infrastructure: How to make data scientists productive Book , زیرساخت موثر علم داده: چگونه دانشمندان داده را مولد کنیم دانلود , buy زیرساخت موثر علم داده: چگونه دانشمندان داده را مولد کنیم , خرید کتاب زیرساخت موثر علم داده: چگونه دانشمندان داده را مولد کنیم , دانلود کتاب Effective Data Science Infrastructure: How to make data scientists productive , کتاب Effective Data Science Infrastructure: How to make data scientists productive , دانلود Effective Data Science Infrastructure: How to make data scientists productive , خرید Effective Data Science Infrastructure: How to make data scientists productive , خرید کتاب Effective Data Science Infrastructure: How to make data scientists productive ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.