mlo指南 人工智能 (美)诺亚·吉夫特,(美)阿尔弗雷多·德萨
none
￥ 82.35 5.9折 ￥ 139 全新
仅1件
北京丰台
认证卖家担保交易快速发货售后保障
作者(美)诺亚·吉夫特,(美)阿尔弗雷多·德萨
出版社机械工业出版社
ISBN9787111724216
出版时间2023-04
版次1
装帧平装
开本16
页数384页
定价139元
货号xhwx_1202851334
上书时间2024-12-14
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
将模型投入生产是机器学面临的基本挑战，mlo提供了一套经过验证的原则，旨在以可靠和自动化的方式解决这个问题。本书将带读者了解mlo是什么以及它与devo的区别，并展示如何将其付诸实践以作机器学模型。机器学工程师或任何熟悉数据科学和python的人将基于mlo工具和方法（包括automl、监控和志记录）构建基础，然后学如何在aw、微软azure和谷歌云中实现它们。读者交付机器学系统的速度越快，越能专注于试图解决的业务问题。
目录：
章 mlo简介9
1.1 机器学工程师和mlo的兴起9
1.2 什么是mlo11
1.3 devo和mlo12
1.4 mlo需求层次14
1.5 小结25
练题25
独立思和讨论26
第2章 mlo基础27
2.1 bash和linux命令行27
2.2 云端shell开发环境28
2.3 bash shell和常用命令29
2.4 云计算基础和构建模块32
2.5 云计算入门34
2.6 python速成课程35
2.7 python极简教程37
2.8 程序员的数学速成课程39
2.9 机器学关键概念50
2.10 开展数据科学工作52
2.11 从零开始构建一个mlo管道54
2.12 小结60
练题61
独立思和讨论61
第3章 容器和边缘设备的mlo63
3.1 容器64
3.2 边缘设备74
3.3 托管机器学系统的容器82
3.4 小结84
练题84
独立思和讨论85
第4章 机器学模型的持续交付86
4.1 机器学模型打包87
4.2 机器学模型持续交付中的基础设施即代码91
4.3 使用云管道97
4.4 小结104
练题104
独立思和讨论105
第5章 automl和kaizenml106
5.1 automl107
5.2 苹果生态系统117
5.3 谷歌的automl和边缘计算机视觉125
5.4 azure的automl129
5.5 aws的automl131
5.6 开源automl解决方案135
5.7 模型可解释137
5.8 小结141
练题141
独立思和讨论142
第6章 监控和志143
6.1 云mlo的可观测144
6.2 志记录简介146
6.3 python中的志记录147
6.4 监控及可观测153
6.5 小结163
练题163
独立思和讨论163
第7章 aws的mlo165
7.1 aws简介166
7.2 aws上的mlo cookbook183
7.3 aws lambda方法196
7.4 将aws机器学应用于现实世界201
7.5 小结205
练题206
独立思和讨论206
第8章 azure的mlo207
8.1 azure cli和python sdk208
8.2 身份认证209
8.3 计算实例212
8.4部署213
8.5 将模型部署到计算集群216
8.6 部署问题排查221
8.7 azure机器学管道226
8.8 机器命周期230
8.9 小结231
练题231
独立思和讨论232
第9章 谷歌云台的mlo233
9.1 谷歌云台概览233
9.2 谷歌云台上的datao：应用数据工程248
9.3 机器学模型运维252
9.4 小结254
练题256
独立思和讨论256
0章 机器学互作257
10.1 为什么互作至关重要258
10.2 onnx：开放式神经网络交换260
10.3 苹果的core ml271
10.4 边缘集成275
10.5 小结276
练题276
独立思和讨论277
1章 构建mlo命令行工具和微服务278
11.1 python打包279
11.2 依赖文件280
11.3 命令行工具281
11.4 微服务291
11.5 机器学cli工作流300
11.6 小结302
练题302
独立思和讨论302
2章 机器学工程和mlo案例研究304
12.1 在构建机器学模型时无知带来的难以置信的收益305
12.2 sqor运动社交网络中的mlo工程306
12.3 技术与现实世界311
12.4 mlo中的关键挑战313
12.5 实施mlo的终建议319
12.6 小结321
练题322
独立思和讨论322
附录323
附录a 关键术语323
附录b 技术认证327
附录c 远程工作342
附录d 像vc一样思你的职业生涯346
附录e 构建mlo技术组合349
附录f 数据科学案例研究：间歇禁食354
附录g 附加的教育资源358
附录h 技术项目管理368
内容简介：
本书前几章涵盖了devo和mlo的理论和实践，然后介绍了如何设置持续集成和持续交付，接着介绍kaizen，即对所有事物进行持续改进的想法。与云计算相关的mlo分为三章，涵盖aw、azure 和gcp（谷歌云台）。之后介绍了机器学互作、构建mlo命令行工具和微服务。这些主题包括许多具有积极吸引力的新兴技术。结尾介绍了一些真实案例研究，以及执行mlo时面临的挑战。
— 没有更多了 —
以下为对购买帮助不大的评价