توضیحات
Master expert techniques for building automated and highly scalable end-to-end machine learning models and pipelines in Azure using TensorFlow, Spark, and Kubernetes
Key Features
- Make sense of data on the cloud by implementing advanced analytics
- Train and optimize advanced deep learning models efficiently on Spark using Azure Databricks
- Deploy machine learning models for batch and real-time scoring with Azure Kubernetes Service (AKS)
Book Description
The increase being seen in data volume today requires distributed systems, powerful algorithms, and scalable cloud infrastructure to compute insights and train and deploy machine learning (ML) models. This book will help you improve your knowledge of building ML models using Azure and end-to-end ML pipelines on the cloud.
The book starts with an overview of an end-to-end ML project and a guide on how to choose the right Azure service for different ML tasks. It then focuses on Azure ML and takes you through the process of data experimentation, data preparation, and feature engineering using Azure ML and Python. You’ll learn advanced feature extraction techniques using natural language processing (NLP), classical ML techniques, and the secrets of both a great recommendation engine and a performant computer vision model using deep learning methods. You’ll also explore how to train, optimize, and tune models using Azure AutoML and HyperDrive, and perform distributed training on Azure ML. Then, you’ll learn different deployment and monitoring techniques using Azure Kubernetes Services with Azure ML, along with the basics of MLOpsDevOps for ML to automate your ML process as CI/CD pipeline.
By the end of this book, you’ll have mastered Azure ML and be able to confidently design, build and operate scalable ML pipelines in Azure.
What you will learn
- Setup your Azure ML workspace for data experimentation and visualization
- Perform ETL, data preparation, and feature extraction using Azure best practices
- Implement advanced feature extraction using NLP and word embeddings
- Train gradient boosted tree-ensembles, recommendation engines and deep neural networks on Azure ML
- Use hyperparameter tuning and AutoML to optimize your ML models
- Employ distributed ML on GPU clusters using Horovod in Azure ML
- Deploy, operate and manage your ML models at scale
- Automated your end-to-end ML process as CI/CD pipelines for MLOps
Who this book is for
This machine learning book is for data professionals, data analysts, data engineers, data scientists, or machine learning developers who want to master scalable cloud-based machine learning architectures in Azure. This book will help you use advanced Azure services to build intelligent machine learning applications. A basic understanding of Python and working knowledge of machine learning are mandatory.
Table of Contents
- Building an End-to-end Machine Learning Pipeline
- Choosing a Machine Learning Service in Azure
- Data Experimentation and Visualization using Azure
- ETL, Data Preparation and Feature Extraction
- Advanced Feature Extraction with NLP
- Building ML Models using Azure Machine Learning
- Training Deep Neural Networks on Azure
- Hyperparameter Tuning and Automated Machine Learning
- Distributed Machine Learning on Azure ML Clusters
- Building a Recommendation Engine in Azure
- Deploying and Operating Machine Learning Models
- MLOps DevOps for Machine Learning
- What’s next?
————————————————————–
ترجمه ماشینی :
تکنیکهای کارشناسی ارشد برای ساخت مدلها و خطوط لوله خودکار و بسیار مقیاسپذیر یادگیری ماشین در Azure با استفاده از TensorFlow، Spark و Kubernetes
ویژگیهای کلیدی
- با پیاده سازی تجزیه و تحلیل پیشرفته، داده ها را در فضای ابری درک کنید
- با استفاده از Azure Databricks، مدل های یادگیری عمیق پیشرفته را به طور موثر در Spark آموزش دهید و بهینه سازی کنید
- مدل های یادگیری ماشین را برای امتیازدهی دستهای و بیدرنگ با سرویس Azure Kubernetes (AKS)
توضیحات کتاب
افزایش حجم دادهها امروزه به سیستمهای توزیعشده، الگوریتمهای قدرتمند و مقیاسپذیر نیاز دارد. زیرساخت ابری برای محاسبه بینش ها و آموزش و استقرار مدل های یادگیری ماشینی (ML). این کتاب به شما کمک میکند دانش خود را در مورد ساخت مدلهای ML با استفاده از خطوط لوله Azure و ML سرتاسر بر روی ابر افزایش دهید.
این کتاب با مروری بر یک پروژه ML سرتاسر و راهنمای نحوه انتخاب سرویس Azure مناسب برای وظایف مختلف ML شروع میشود. سپس بر روی Azure ML تمرکز می کند و شما را در فرآیند آزمایش داده، آماده سازی داده ها و مهندسی ویژگی با استفاده از Azure ML و Python هدایت می کند. شما تکنیک های استخراج ویژگی های پیشرفته را با استفاده از پردازش زبان طبیعی (NLP)، تکنیک های کلاسیک ML، و اسرار یک موتور توصیه عالی و یک مدل بینایی کامپیوتری کارآمد با استفاده از روش های یادگیری عمیق یاد خواهید گرفت. همچنین نحوه آموزش، بهینهسازی و تنظیم مدلها را با استفاده از Azure AutoML و HyperDrive و انجام آموزشهای توزیعشده در Azure ML بررسی خواهید کرد. سپس، تکنیکهای مختلف استقرار و نظارت را با استفاده از خدمات Azure Kubernetes با Azure ML به همراه اصول اولیه MLOpsDevOps برای ML یاد خواهید گرفت تا فرآیند ML خود را بهعنوان خط لوله CI/CD خودکار کنید.
در پایان این کتاب، شما به Azure ML تسلط خواهید داشت و میتوانید با اطمینان خطوط لوله ML مقیاسپذیر را در Azure طراحی، بسازید و راهاندازی کنید.
آنچه خواهید آموخت
h4>
- فضای کاری Azure ML خود را برای آزمایش و تجسم داده ها تنظیم کنید
- اجرای ETL، آماده سازی داده ها و استخراج ویژگی با استفاده از بهترین شیوه های Azure
- اجرای استخراج ویژگی های پیشرفته با استفاده از NLP و جاسازی کلمات
- ترن مجموعه های درختی، موتورهای توصیه و شبکه های عصبی عمیق در Azure ML
- از تنظیم هایپرپارامتر و AutoML برای بهینه سازی مدل های ML خود استفاده کنید
- استفاده از ML توزیع شده در خوشه های GPU با استفاده از Horovod در Azure ML
- مدل های ML خود را در مقیاس مستقر، اجرا و مدیریت کنید
- فرآیند ML سرتاسر شما را به عنوان خطوط لوله CI/CD خودکار کرد. برای MLOps
این کتاب برای چه کسی است
این کتاب یادگیری ماشینی برای متخصصان داده، تحلیلگران داده، مهندسان داده، دانشمندان داده یا توسعه دهندگان یادگیری ماشین است که می خواهند بر معماری های یادگیری ماشین مبتنی بر ابر مقیاس پذیر در Azure مسلط شوید. این کتاب به شما کمک می کند از خدمات پیشرفته Azure برای ساخت برنامه های هوشمند یادگیری ماشین استفاده کنید. درک ابتدایی پایتون و دانش کاری یادگیری ماشین الزامی است.
فهرست محتوا
- ساخت خط لوله یادگیری ماشینی سرتاسر
- انتخاب یک سرویس یادگیری ماشین در Azure
- تجربه و تجسم داده با استفاده از Azure
- ETL، آماده سازی داده و استخراج ویژگی
- استخراج ویژگی های پیشرفته با NLP
- ساختن مدل های ML با استفاده از یادگیری ماشینی Azure
- آموزش شبکه های عصبی عمیق در Azure
- تنظیم فراپارامتر و یادگیری خودکار ماشین
- یادگیری ماشینی توزیع شده در Azure ML خوشه ها
- ساخت یک موتور توصیه در Azure
- استقرار و اجرای مدل های یادگیری ماشین
- MLOps DevOps برای یادگیری ماشین
- بعدی چیست؟< /li>
tag : دانلود کتاب تسلط بر یادگیری ماشینی Azure: با Microsoft Azure ML یادگیری ماشینی پیشرفته سرتاسر مقیاس بزرگ را در فضای ابری انجام دهید. , Download تسلط بر یادگیری ماشینی Azure: با Microsoft Azure ML یادگیری ماشینی پیشرفته سرتاسر مقیاس بزرگ را در فضای ابری انجام دهید. , دانلود تسلط بر یادگیری ماشینی Azure: با Microsoft Azure ML یادگیری ماشینی پیشرفته سرتاسر مقیاس بزرگ را در فضای ابری انجام دهید. , Download Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML Book , تسلط بر یادگیری ماشینی Azure: با Microsoft Azure ML یادگیری ماشینی پیشرفته سرتاسر مقیاس بزرگ را در فضای ابری انجام دهید. دانلود , buy تسلط بر یادگیری ماشینی Azure: با Microsoft Azure ML یادگیری ماشینی پیشرفته سرتاسر مقیاس بزرگ را در فضای ابری انجام دهید. , خرید کتاب تسلط بر یادگیری ماشینی Azure: با Microsoft Azure ML یادگیری ماشینی پیشرفته سرتاسر مقیاس بزرگ را در فضای ابری انجام دهید. , دانلود کتاب Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML , کتاب Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML , دانلود Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML , خرید Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML , خرید کتاب Mastering Azure Machine Learning: Perform large-scale end-to-end advanced machine learning on the cloud with Microsoft Azure ML ,

نقد و بررسیها
هنوز بررسیای ثبت نشده است.