Разработка конвейеров машинного обучения

Читать фрагмент

книга

Разработка конвейеров машинного обучения

Машинное обучение становится важным элементом почти во всех отраслях. В этой книге представлено четкое и понятное руководство по автоматизации развертывания, управления и повторного использования моделей машинного обучения. Шаг за шагом описывается конкретный пример проекта, на котором можно отработать основные навыки в этой сфере. Благодаря множеству примеров кода и ясным, лаконичным объяснениям вы сможете создать свой собственный конвейер машинного обучения и запустите его в кратчайшие сроки.Книга поможет ученым и инженерам, специализирующимся в области машинного обучения и искусственного интеллекта, выйти за рамки работы с единичной моделью и успешно реализовать свои проекты в области науки о данных. Также издание будет полезно менеджерам проектов в области науки о данных, разработчикам программного обеспечения и инженерам DevOps, которые хотят, чтобы их организация ускорила свои проекты, использующие технологии машинного обучения и искусственного интеллекта.Читателю понадобится знание основных концепций машинного обучения и хотя бы одного из фреймворков, используемых в машинном обучении (например, PyTorch, TensorFlow, Keras).

Форматы: PDF

Издательство: ДМК Пресс

Год: 2021

Место издания: Москва

ISBN: 978-5-97060-886-9

Страниц: 346

Артикул: 99331

Возрастная маркировка: 16+

Электронная книга

1049 ₽

Купить и скачать

Содержание

Содержание книги "Разработка конвейеров машинного обучения : автоматизация жизненных циклов модели с помощью TensorFlow"

Предисловие от издательства

Предисловие

Введение

Для кого предназначена эта книга

Почему мы используем TensorFlow и TensorFlow Extended

Обзор глав

Условные обозначения, используемые в этой книге

Использование примеров кода

Онлайн-обучение O’Reilly

Как с нами связаться

Благодарности

Глава 1. Введение

Почему и где используются конвейеры машинного обучения

Когда следует подумать о конвейерах машинного обучения?

Обзор этапов конвейера машинного обучения

Оркестровка конвейера

Наш демонстрационный проект машинного обучения

Резюме

Глава 2. Введение в TensorFlow Extended

Что такое TFX?

Установка TFX

Обзор компонентов TFX

Что такое метаданные ML Metadata?

Альтернативы TFX

Знакомство с Apache Beam

Резюме

Глава 3. Загрузка данных

Концепции загрузки данных

Подготовка данных

Стратегии загрузки данных

Резюме

Глава 4. Проверка данных

Для чего нужна проверка данных?

TFDV

Распознавание ошибок в данных

Обработка больших наборов данных с помощью Google Cloud Platform

Интеграция TFDV в конвейер машинного обучения

Резюме

Глава 5. Предварительная обработка данных

Для чего нужна предварительная обработка данных

Предварительная обработка данных с помощью TFT

Резюме

Глава 6. Обучение модели

Определение модели для нашего демонстрационного проекта

Компонент TFX Trainer

Использование TensorBoard в интерактивном конвейере

Стратегии распределения

Настройка модели

Резюме

Глава 7. Анализ и проверка модели

Как проанализировать модель

Анализ модели TensorFlow

Анализ достоверности модели

Объяснение модели

Анализ и проверка модели в TFX

Резюме

Глава 8. Развертывание модели с помощью TensorFlow Serving

Простой сервер моделей

Недостатки развертывания моделей с помощью API на основе Python

TensorFlow Serving

Обзор архитектуры TensorFlow

Экспорт моделей для TensorFlow Serving

Сигнатуры моделей

Проверка экспортированных моделей

Установка TensorFlow Serving

Настройка сервера TensorFlow

REST или gRPC

Выполнение прогнозов на сервере моделей

A/B-тестирование модели с использованием TensorFlow Serving

Запрос метаданных модели с сервера моделей

Пакетные запросы на вывод прогнозов модели

Другие функции оптимизации TensorFlow Serving

Альтернативы TensorFlow Serving

Развертывание моделей с использованием услуг поставщиков облачных решений

Развертывание модели с помощью конвейеров TFX

Резюме

Глава 9. Расширенные концепции развертывания моделей с помощью TensorFlow Serving

Разделение зон ответственности в процессе развертывания

Оптимизация загрузки удаленной модели

Оптимизация модели для развертываний

Использование TensorRT совместно с TensorFlow Serving

TFLite

Мониторинг экземпляров TensorFlow Serving

Простое масштабирование с помощью TensorFlow Serving и Kubernetes

Резюме

Глава 10. Расширенные концепции TensorFlow Extended

Расширенные концепции конвейеров машинного обучения

Участие человека в конвейере машинного обучения

Резюме

Глава 11. Конвейеры, часть 1: Apache Beam и Apache Airflow

Какой инструмент оркестрации выбрать?

Преобразование вашего интерактивного конвейера TFX в производственный конвейер

Преобразование элементарного интерактивного конвейера для Beam и Airflow

Введение в Apache Beam

Оркестрация конвейеров TFX с помощью Apache Beam

Введение в Apache Airflow

Оркестрация конвейеров TFX с помощью Apache Airflow

Резюме

Глава 12. Конвейеры, часть 2: Kubeflow Pipelines

Введение в Kubeflow Pipelines

Оркестрация конвейеров TFX с помощью Kubeflow Pipelines

Конвейеры, работающие на Google Cloud AI Platform

Резюме

Глава 13. Петли обратной связи

Явная и неявная обратная связь

Конструктивные шаблоны для сбора отзывов

Как отслеживать петли обратной связи

Резюме

Глава 14. Приватность данных, используемых для машинного обучения

Введение в приватность данных

Дифференцированная приватность

Введение в TensorFlow Privacy

Введение в федеративное обучение

Зашифрованное машинное обучение

Другие методы обеспечения приватности данных

Резюме

Глава 15. Будущее конвейеров машинного обучения и следующие шаги

Отслеживание экспериментов с моделью

Предложения в области управления релизами модели

Будущие возможности конвейеров

Использование TFX с другими фреймворками машинного обучения

Тестирование моделей машинного обучения

Системы непрерывной интеграции и развертывания для машинного обучения

Сообщество инженеров машинного обучения

Резюме

Приложение A. Введение в инфраструктуру машинного обучения

Приложение B. Настройка кластера Kubernetes в Google Cloud

Приложение C. Советы по работе с Kubeflow Pipelines

Предметный указатель

Внимание!
При обнаружении неточностей или ошибок в описании книги "Разработка конвейеров машинного обучения : автоматизация жизненных циклов модели с помощью TensorFlow (автор Ханнес Хапке, Кэтрин Нельсон)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!