دانلود کتاب Engineering MLOps: Rapidly build, test, and manage production-ready machine learning life cycles at scale – مهندسی MLOP ها: به سرعت ساخت ، آزمایش و مدیریت چرخه زندگی یادگیری ماشین آماده در مقیاس

توضیحات

Get up and running with machine learning life cycle management and implement MLOps in your organization

Key Features

• Become well-versed with MLOps techniques to monitor the quality of machine learning models in production
• Explore a monitoring framework for ML models in production and learn about end-to-end traceability for deployed models
• Perform CI/CD to automate new implementations in ML pipelines

Book Description

MLOps is a systematic approach to building, deploying, and monitoring machine learning (ML) solutions. It is an engineering discipline that can be applied to various industries and use cases. This book presents comprehensive insights into MLOps coupled with real-world examples to help you to write programs, train robust and scalable ML models, and build ML pipelines to train and deploy models securely in production.

The book begins by familiarizing you with the MLOps workflow so you can start writing programs to train ML models. Then you’ll then move on to explore options for serializing and packaging ML models post-training to deploy them to facilitate machine learning inference, model interoperability, and end-to-end model traceability. You’ll understand how to build ML pipelines, continuous integration and continuous delivery (CI/CD) pipelines, and monitoring pipelines to systematically build, deploy, monitor, and govern ML solutions for businesses and industries. Finally, you’ll apply the knowledge you’ve gained to build real-world projects.

By the end of this ML book, you’ll have a 360-degree view of MLOps and be ready to implement MLOps in your organization.

What you will learn

• Formulate data governance strategies and pipelines for ML training and deployment
• Get to grips with implementing ML pipelines, CI/CD pipelines, and ML monitoring pipelines
• Design a robust and scalable microservice and API for test and production environments
• Curate your custom CD processes for related use cases and organizations
• Monitor ML models, including monitoring data drift, model drift, and application performance
• Build and maintain automated ML systems

Who this book is for

This MLOps book is for data scientists, software engineers, DevOps engineers, machine learning engineers, and business and technology leaders who want to build, deploy, and maintain ML systems in production using MLOps principles and techniques. Basic knowledge of machine learning is necessary to get started with this book.

Table of Contents

1. Fundamentals of MLOps Workflow
2. Characterizing your Machine learning problem
3. Code Meets Data
4. Machine Learning Pipelines
5. Model evaluation and packaging
6. Key principles for deploying your ML system
7. Building robust CI and CD pipelines
8. APIs and microservice Management
9. Testing and Securing Your ML Solution
10. Essentials of Production Release
11. Key principles for monitoring your ML system
12. Model Serving and Monitoring
13. Governing the ML system for Continual Learning

————————————————————–

ترجمه ماشینی :

با مدیریت چرخه زندگی یادگیری ماشین برخیزید و اجرا کنید و MLOP ها را در سازمان خود پیاده سازی کنید

ویژگی های کلیدی

• با خوشحالی می شوید تکنیک های MLOPS برای نظارت بر کیفیت مدل های یادگیری ماشین در تولید
• یک چارچوب نظارت برای مدل های ML در تولید را کشف کرده و از قابلیت ردیابی پایان به پایان برای مدلهای مستقر یاد بگیرید
• CI/را انجام دهید CD برای خودکارسازی پیاده سازی های جدید در خطوط لوله ML

توضیحات کتاب

MLOPS یک رویکرد منظم برای ساخت ، استقرار و نظارت بر یادگیری ماشین (ML) است. این یک رشته مهندسی است که می تواند در صنایع مختلف و موارد استفاده شود. این کتاب بینش کاملی از MLOP های همراه با نمونه های دنیای واقعی ارائه می دهد تا به شما در نوشتن برنامه ها ، آموزش مدل های ML قوی و مقیاس پذیر کمک کند و خطوط لوله ML را برای آموزش و استقرار مدل های ایمن در تولید ایجاد کند.

کتاب شروع می شود با آشنایی شما با گردش کار MLOPS ، بنابراین می توانید برنامه های نوشتن را برای آموزش مدل های ML شروع کنید. سپس می توانید گزینه هایی را برای سریال سازی و بسته بندی مدل های ML پس از آموزش کشف کنید تا آنها را برای تسهیل استنباط یادگیری ماشین ، قابلیت همکاری مدل و قابلیت ردیابی مدل پایان به پایان برسانید. شما می دانید که چگونه خطوط لوله ML ، یکپارچه سازی مداوم و خطوط لوله تحویل مداوم (CI/CD) را ایجاد می کنید و خطوط لوله را برای ساخت ، استقرار ، نظارت و مدیریت راه حل های ML برای مشاغل و صنایع نظارت می کنید. سرانجام ، دانش خود را برای ساختن پروژه های دنیای واقعی به کار می برید. MLOP در سازمان شما. خطوط لوله ، خطوط لوله CI/CD ، و خطوط لوله مانیتورینگ ML

این کتاب برای چه کسی است

این کتاب MLOPS برای دانشمندان داده ، مهندسین نرم افزار ، مهندسین DevOps ، مهندسان یادگیری ماشین و رهبران تجارت و فناوری که می خواهند با استفاده از اصول و تکنیک های MLOPS می خواهند سیستم های ML را در تولید بسازند و نگهداری کنند. دانش اساسی در مورد یادگیری ماشین برای شروع این کتاب ضروری است.

< Li> ساخت خطوط لوله CI و CD قوی