建構機器學習管道｜運用 TensorFlow 實現模型生命週期自動化 (Building Machine Learning Pipelines: Automating Model Life Cycles with Tensorflow)
Hannes Hapke, Catherine Nelson 著 陳正暉 譯
- 出版商: 歐萊禮
- 出版日期: 2022-10-14
- 定價: $580
- 售價: 7.9 折 $458
- 語言: 繁體中文
- 頁數: 368
- ISBN: 6263241683
- ISBN-13: 9786263241688
-
相關分類:
DeepLearning、TensorFlow、Machine Learning
- 此書翻譯自: Building Machine Learning Pipelines: Automating Model Life Cycles with Tensorflow
-
相關翻譯:
機器學習流水線實戰 (簡中版)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
Web API 建構與設計 (Designing Web APIs: Building APIs That Developers Love)$480$379 -
建立演進式系統架構｜支援常態性的變更 (Building Evolutionary Architectures： Support Constant Change)$480$379 -
Kubeflow : 雲計算和機器學習的橋梁$474$450 -
自然語言處理最佳實務｜全面建構真正的 NLP 系統 (Practical Natural Language Processing: A Comprehensive Guide to Building Real-World Nlp Systems)$780$616 -
機器學習設計模式 (Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and Mlops)$680$537 -
深度學習實務應用｜雲端、行動與邊緣裝置 (Practical Deep Learning for Cloud, Mobile and Edge)$880$695 -
內行人才知道的系統設計面試指南$580$458 -
流程自動化實務｜微服務和雲端原生架構中的協調與整合 (Practical Process Automation: Orchestration and Integration in Microservices and Cloud Native Architectures)$580$458 -
TensorFlow.js 學習手冊 (Learning Tensorflow.Js: Powerful Machine Learning in JavaScript)$580$458 -
JavaScript 多執行緒｜超越事件迴圈的並行 (Multithreaded JavaScript)$580$458 -
演算法學習手冊｜寫出更有效率的程式 (Learning Algorithms: A Programmer's Guide to Writing Better Code)$580$458 -
電腦視覺機器學習實務｜建立端到端的影像機器學習 (Practical Machine Learning for Computer Vision: End-To-End Machine Learning for Images)$780$616 -
從機器學習到人工智慧｜寫給Android/iOS程式師的ML/AI開發指南 (AI and Machine Learning for On-Device Development: A Programmer's Guide)$620$490 -
AI 必須！從做中學貝氏統計 – 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器 (Bayesian Statistics for Beginners: A Step-By-Step Approach)$1,200$948 -
軟體專案估算$620$484 -
AI策略｜人與企業的數位轉型 (AI for People and Business: A Framework for Better Human Experiences and Business Success)$400$316 -
會動的演算法：61 個演算法動畫＋全圖解逐步拆解，人工智慧、資料分析必備$620$490 -
持續 API 管理｜在不斷演變的生態系統中做出正確決策, 2/e (Continuous API Management: Making the Right Decisions in an Evolving Landscape, 2/e)$580$458 -
Linux 網路內功修煉 - 徹底了解底層原理及高性能架構$780$616 -
建構微服務｜設計細微化的系統, 2/e (Building Microservices: Designing Fine-Grained Systems, 2/e)$880$695 -
Google 的軟體工程之道｜從程式設計經驗中吸取教訓 (Software Engineering at Google)$880$695 -
軟體架構指標｜改善架構品質的案例研究 (Software Architecture Metrics: Case Studies to Improve the Quality of Your Architecture)$580$458 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
現代 Linux 學習手冊 (Learning Modern Linux: A Handbook for the Cloud Native Practitioner)$580$458 -
高效能 Go 程式設計｜資料驅動的效能優化 (Efficient Go: Data-Driven Performance Optimization)$780$616
商品描述
「本書是一本出色的參考資料，全面介紹ML產品系統，特別關注TFX。它包含最準確的資訊，並提供清晰、簡潔的解釋案例。」
—Robert Crowe
TensorFlow Developer Advocate, Google
公司在機器學習專案上耗費巨資，但如果不能有效地部署模型，無疑是在浪費金錢。在本書中，Hannes Hapke和Catherine Nelson將帶領您瞭解使用TensorFlow生態系統自動化機器學習管道的步驟。您將學習到將部署時間從幾天縮短到幾分鐘的技術和工具，進而更專注新模型的開發，而不是維護舊有的系統。
數據科學家、機器學習工程師和DevOps工程師將發現如何超越模型開發，成功地將他們的數據科學項目產品化，而管理人員將更瞭解他們在加速這些專案項目所扮演的角色。
‧瞭解構建機器學習管道的步驟
‧使用TensorFlow Extended中的組件建構您的管道
‧使用Apache Beam、Apache Airflow和Kubeflow管道來協作您的機器學習管道
‧使用TensorFlow數據驗證和TensorFlow轉換來處理數據
‧使用TensorFlow模型驗證對模型進行詳細分析
‧檢驗模型表現的公平性和偏誤性
‧使用TensorFlow Serving或TensorFlow Lite為移動設備部署模型
‧學習隱私保護(privacy-preserving)機器學習技術
作者簡介
Hannes和Catherine 都是SAP Concur實驗室的高級數據科學家，他們使用機器學習來改善商旅人士體驗並探索創新方法。Hannes對ML工程(如可擴展的模型部署)和NLP應用特別感興趣，Catherine則專注於模型分析、模型的可解釋性和隱私保護ML。
目錄大綱
第一章 導論
第二章 TensorFlow Extended 簡介
第三章 數據擷取
第四章 數據驗證
第五章 資料預處理
第六章 模型訓練
第七章 模型分析與驗證
第八章 TensorFlow Serving 的模型部署
第九章 TensorFlow Serving 的高級模型部署
第十章 進階 TensorFlow Extended
第十一章 管道第一部分：Apache Beam 與 Apache Airflow
第十二章 管道第二部分：Kubeflow 管道
第十三章 反饋循環
第十四章 機器學習的數據隱私
第十五章 管道的未來與下一步
附錄A 機器學習基礎架構介紹
附錄B 在 Google Cloud 上設置 Kubernetes 集群
附錄C 操作 Kuberflow 管道的技巧
