Začínáme s Mlops a Mlflow: Mlflow: nasazení modelů v Aws Sagemaker, Google Cloud a Microsoft Azure

Recenze čtenářů

Kniha slouží jako základní úvod do MLOps, i když má několik podstatných nedostatků v provedení a zpracování.

Dobrý úvodní obsah pro MLOps; slouží jako výchozí bod.

Špatné provedení s nedostatečnou hloubkou, opakujícím se obsahem, špatnou úpravou a nevhodnou sazbou.

(na základě 2 hodnocení čtenářů)

Původní název:

Beginning Mlops with Mlflow: Deploy Models in Aws Sagemaker, Google Cloud, and Microsoft Azure

Obsah knihy:

Kapitola 1: Začínáme: Cíl kapitoly: Stanovit předpoklad problému, který chceme řešit pomocí strojového učení. Analyzujte několik souborů dat a zpracujte je. Počet stran - 30 stran Dílčí témata 1. Předpoklad 4. Analýza dat 5. Feature engineering Kapitola 2: Sestavení modelu strojového učení Cíl kapitoly: Sestavit model strojového učení na souboru dat / několika souborech dat, pro které jsme zpracovali data v kapitole 4. Vytvoření modelu strojového učení. Počet stran - 40 stranPodrobná témata: Jak se naučit pracovat s daty 4: 1. Sestavení modelu 2. Trénování a testování modelu 3. Validace a optimalizace Kapitola 3: Co je to MLOps? Cíl kapitoly: Seznámit čtenáře s MLOps, různými fázemi automatizace v nastavení MLOps, automatizací pomocí pipeline a s CI/CD a CD nasazením. Pipeline pro: zdrojové repo k nasazení, predikční služby, monitorování výkonu atd. kontinuální integrace (zdrojové repo aktualizované o nové modely) a kontinuální dodávka (nasazení nových modelů). Počet stran - 40 stran Dílčí témata 1. Co je to MLOps? 2. Nastavení MLOps 3. Automatizace 4. CI/CD - Continuous Integration & Delivery 5. CD - Deployment Kapitola 4: Úvod do MlFlowCíl kapitoly: Seznámit čtenáře s MLFlow a s tím, jak začlenit MLFlow do našeho procesu trénování ML (PyTorch, Keras, TensorFlow) Počet stran - 30 stran Dílčí témata: 1. Co je MLFlow? 2. MLFlow v PyTorchu3. MLFlow v Keras4.

MLFlow v TensorFlow Kapitola 5: Nasazení v AWS - 40 stran Cíl kapitoly: Provést čtenáře procesem nasazení konfigurace MLOps v AWS SageMaker. -Popis: Kapitola čtenáře provede systémem AWS SageMaker a pomůže mu nasadit nastavení MLOps (skripty pro zpracování dat, skripty pro trénování modelu, testování a validaci) v systému AWS.

Kapitola 6: Nasazení v Azure - 40 stran Cíl kapitoly: Provést čtenáře procesem nasazení konfigurace MLOps v Microsoft Azure. -Popis: Kapitola provede čtenáře prostředím Microsoft Azure a pomůže mu nasadit nastavení MLOps (skripty pro zpracování dat, skripty pro trénování modelu, testování a validaci) v prostředí Azure. Kapitola 7: Nasazení ve službě Google - 40 stran Cíl kapitoly: Provést čtenáře procesem nasazení nastavení MLOps ve službě Google Cloud. -Popis: Kapitola provede čtenáře službou Google Cloud a pomůže mu nasadit nastavení MLOps (skripty pro zpracování dat, skripty pro trénování modelu, testování, validační skripty) ve službě Google Cloud. Příloha A: a2ml - 20 stran Cíl kapitoly: Tato kapitola přílohy je nepovinná a provede uživatele procesem nasazení nastavení MLOps pomocí a2ml. -Popis: Kapitola provede čtenáře nástrojem a2ml a pomůže mu nasadit nastavení MLOps (skripty pro zpracování dat, skripty pro trénování modelu, testování a validaci) prostřednictvím nástroje a2ml.