Kubeflow学习指南：生产级机器学习系统实现9787111699378
正版图书，可开发票，请放心购买。
￥ 74.25 7.5折 ￥ 99 全新
库存36件
广东广州
认证卖家担保交易快速发货售后保障
作者[美]特雷弗·格兰特,[加]霍尔顿·卡劳,[俄]鲍里斯·卢布林斯基 等
出版社机械工业出版社
ISBN9787111699378
出版时间2021-11
装帧平装
开本16开
定价99元
货号11381768
上书时间2024-12-18
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
特雷弗·格兰特(Trevor Grant)是Apache Mahout的PMC主席。并积极参与Apache Mahout、Apache Streams和Community Development等项目。
目录
序言1前言3第1章 Kubeflow及其适用对象131.1 模型开发生命周期131.2 Kubeflow 适合什么场景141.3 为什么需要容器化141.4 为什么需要 Kubernetes151.5 Kubeflow的设计和核心组件151.6 Kubeflow的替代方案191.7 案例研究211.8 总结22第2章 你好，Kubeflow242.1 搭建Kubeflow242.2 训练和部署模型302.3 超越本地部署342.4 总结34第3章 Kubeflow设计：超越基础353.1 中央仪表盘363.2 支持组件433.3 总结50第4章 Kubeflow Pipeline514.1 Pipeline入门514.2 Kubeflow Pipeline组件介绍604.3 Pipeline高级主题684.4 总结72第5章 数据准备和特征准备735.1 选择正确的工具745.2 本地数据准备和特征准备745.3 分布式工具785.4 将其整合到一个Pipeline中925.5 将整个notebook作为数据准备Pipeline阶段使用945.6 总结95第6章 制品和元数据存储966.1 Kubeflow ML Metadata976.2 基于Kubeflow的MLflow元数据工具1026.3 总结110第7章 训练机器学习模型1117.1 用TensorFlow构建推荐器1117.2 部署TensorFlow训练作业1177.3 分布式训练1207.4 使用scikit-learn训练模型1257.5 总结132第8章 模型推断1338.1 模型服务1338.2 模型监控1368.3 模型更新1378.4 推理要求概述1388.5 Kubeflow中的模型推理1388.6 TensorFlow Serving1398.7 Seldon Core1438.8 KFServing1588.9 总结174第9章 多工具使用案例1759.1 CT扫描去噪示例1759.2 共享Pipeline1869.3 总结186第10章 超参调优和自动化机器学习18710.1 AutoML概述18710.2 使用Kubeflow Katib进行超参调优18810.3 Katib概念18910.4 安装Katib19110.5 运行第一个Katib实验19210.6 调优分布式训练作业20010.7 神经网络架构搜索20110.8 Katib的优势20410.9 总结205附录A Argo执行器配置和权衡207附录B 特定于云的工具和配置208附录C 在应用程序中使用模型服务210
内容摘要
如果你正在训练一个机器学习模型，但不确定如何将其投入生产，本书将协助你完成目标。Kubeflow为模型生命周期的不同阶段提供了一系列云原生工具，从数据探索和特征准备到模型训练和模型服务。本书可以帮助数据科学家用Kubeflow构建生产级机器学习实现，并向数据工程师展示了如何使模型具有可伸缩性和可靠性。
作者使用书中的示例解释了如何使用Kubeflow在云端或者本地开发环境中的Kubernetes上训练机器学习模型并为模型提供服务。
本书将帮助你：
理解Kubeflow的设计、核心组件和所能解决的问题。
使用Kubeflow和流行的工具（包括Scikit-learn、TensorFlow和ApacheSpark）训练模型。
使用Kubeflow流水线使模型保持状态。
了解如何获取模型训练的元数据。
为超参调优进行训练。
了解如何在生产中为模型提供服务。
探索如何用其他开源工具扩展Kubeflow。
主编推荐
如果你正在训练一个机器学习模型，但不确定如何将其投入生产，本书将协助你完成目标。Kubeflow为模型生命周期的不同阶段提供了一系列云原生工具，从数据探索和特征准备到模型训练和模型服务。本书可以帮助数据科学家用Kubeflow构建生产级机器学习实现，并向数据工程师展示了如何使模型具有可伸缩性和可靠性。作者使用书中的示例解释了如何使用Kubeflow在云端或者本地开发环境中的Kubernetes上训练机器学习模型并为模型提供服务。本书将帮助你： - 理解Kubeflow的设计、核心组件和所能解决的问题。 - 使用Kubeflow和流行的工具（包括Scikit-learn、TensorFlow和Apache Spark）训练模型。 - 使用Kubeflow 流水线使模型保持近期新状态。 - 了解如何获取模型训练的元数据。 - 为超参调优进行训练。 - 了解如何在生产中为模型提供服务。 - 探索如何用其他开源工具扩展Kubeflow。
精彩内容
如果你正在训练一个机器学习模型，但不确定如何将其投入生产，本书将协助你完成目标。Kubeflow为模型生命周期的不同阶段提供了一系列云原生工具，从数据探索和特征准备到模型训练和模型服务。本书可以帮助数据科学家用Kubeflow构建生产级机器学习实现，并向数据工程师展示了如何使模型具有可伸缩性和可靠性。 作者使用书中的示例解释了如何使用Kubeflow在云端或者本地开发环境中的Kubernetes上训练机器学习模型并为模型提供服务。 本书将帮助你： 理解Kubeflow的设计、核心组件和所能解决的问题。 使用Kubeflow和流行的工具（包括Scikit-learn、TensorFlow和ApacheSpark）训练模型。 使用Kubeflow流水线使模型保持状态。 了解如何获取模型训练的元数据。 为超参调优进行训练。 了解如何在生产中为模型提供服务。 探索如何用其他开源工具扩展Kubeflow。
媒体评论
如果你正在训练一个机器学习模型，但不确定如何将其投入生产，本书将协助你完成目标。Kubeflow为模型生命周期的不同阶段提供了一系列云原生工具，从数据探索和特征准备到模型训练和模型服务。本书可以帮助数据科学家用Kubeflow构建生产级机器学习实现，并向数据工程师展示了如何使模型具有可伸缩性和可靠性。作者使用书中的示例解释了如何使用Kubeflow在云端或者本地开发环境中的Kubernetes上训练机器学习模型并为模型提供服务。本书将帮助你： - 理解Kubeflow的设计、核心组件和所能解决的问题。 - 使用Kubeflow和流行的工具(包括Scikit-learn、TensorFlow和Apache Spark)训练模型。 - 使用Kubeflow 流水线使模型保持最新状态。 - 了解如何获取模型训练的元数据。 - 为超参调优进行训练。 - 了解如何在生产中为模型提供服务。 - 探索如何用其他开源工具扩展Kubeflow。
— 没有更多了 —
以下为对购买帮助不大的评价