التعلم العميق في كتاب الإنتاج
يمكنك أن تعرف الحصول على نسخة من الكتاب من هنا:
- أمازون : غلاف عادي و Kindle
- Leanpub : Epub و PDF
بناء وتدريب ونشر وتوسيع نطاق نماذج التعلم العميق. فهم البنية التحتية ML و MLOPs باستخدام أمثلة عملية.
ماذا ستتعلم؟
- أفضل الممارسات لكتابة رمز التعلم العميق
- كيفية اختبار وحدة التعلم الآلي وتصحيح الأخطاء
- كيفية بناء ونشر خطوط أنابيب بيانات فعالة
- كيف تخدم نماذج التعلم العميق
- كيفية نشر وتوسيع التطبيق الخاص بك
- ما هو MLOPS وكيفية بناء خطوط أنابيب من طرف إلى طرف
من هو هذا الكتاب؟
- مهندسو البرمجيات الذين بدأوا بالتعلم العميق
- باحثو التعلم الآلي مع خلفية هندسة البرمجيات محدودة
- مهندسو التعلم الآلي الذين يسعون إلى تعزيز معرفتهم
- علماء البيانات الذين يرغبون في إنتاج نماذجهم وبناء تطبيقات تواجه العملاء
ما هي الأدوات التي ستستخدمها؟
TensorFlow ، Flask ، UWSGI ، Nginx ، Docker ، Kubernetes ، TensorFlow Extended ، Google Cloud ، Vertex AI
وصف الكتاب
تتقدم أبحاث التعلم العميق بسرعة خلال السنوات الماضية. تم تطوير الأطر والمكتبات باستمرار وتحديثها. ومع ذلك ، ما زلنا نفتقر إلى حلول موحدة حول كيفية خدمة نماذج التعلم العميقة ونشرها وتوسيع نطاقها. البنية التحتية للتعلم العميق ليست ناضجة للغاية بعد.
يتراكم هذا الكتاب مجموعة من أفضل الممارسات والمناهج حول كيفية بناء تطبيقات تعليمية قوية وقابلة للتطوير. ويغطي دورة الحياة بأكملها من معالجة البيانات والتدريب إلى النشر والصيانة. سيساعدك ذلك على فهم كيفية نقل المنهجيات التي يتم قبولها وتطبيقها بشكل عام في مجتمع البرمجيات ، في مشاريع التعلم العميق.
إنه خيار ممتاز للباحثين ذوي الحد الأدنى من خلفية البرمجيات ، أو مهندسي البرمجيات الذين لديهم القليل من الخبرة في التعلم الآلي ، أو مهندسي التعلم الآلي الطموحين.
مزيد من التفاصيل وعينة مجانية
قم بزيارة صفحة الكتاب
جدول المحتويات
- تصميم نظام تعلم الآلة
- إعداد محطة عمل تعليمية عميقة
- كتابة وإنشاء رمز التعلم العميق
- معالجة البيانات
- تمرين
- التقديم
- النشر
- التحجيم
- بناء خط أنابيب من طرف إلى طرف
مقالات
تعتمد الكتب على سلسلة مقالات تم نشرها في مدونتنا "AI Summer" وتم دمجها لاحقًا وتنظيمها في مورد واحد. أعيد كتابة بعضها من الصفر. تم تعديل البعض لتناسب بنية الكتاب. بالإضافة إلى ذلك ، أضفنا مواد جديدة تمامًا!
- إعداد الكمبيوتر المحمول وتصميم النظام: https://theaisummer.com/deep-learning-production/
- أفضل الممارسات لكتابة رمز التعلم العميق: بنية المشروع ، OOP ، والتحقق من النوع والتوثيق: https://theaisummer.com/best-practices-deep-learning-code/
- كيفية اختبار التعلم العميق: اختبارات في TensorFlow ، السخرية والاختبار تغطية: https://theaisummer.com/unit-test-deep-learning/
- تسجيل وتصحيح الأخطاء في التعلم الآلي: https://theaisummer.com/logging-debugging/
- البيانات المسبقة للبيانات للتعلم العميق: https://theaisummer.com/data-preprocessing/
- البيانات المسبقة للبيانات للتعلم العميق (PIRT2): https://theaisummer.com/data-processing-optimization/
- كيفية بناء حلقة تدريب على التعلم العميق جاهزة للإنتاج في TensorFlow من الصفر: https://theaisummer.com/tensorflow-training-loop/
- كيفية تدريب نموذج التعلم العميق في السحابة: https://theaisummer.com/training-cloud/
- تدريب التعلم العميق الموزع: نموذج موازاة البيانات والبيانات في TensorFlow: https://theaisummer.com/distributed-training/
- نشر نموذج التعلم العميق كتطبيق ويب باستخدام Flask و TensorFlow: https://theaisummer.com/deploy-flask-tensorflow/
- كيفية استخدام UWSGI و NGINX لخدمة نموذج التعلم العميق: https://theaisummer.com/uwsgi-nginx/
- كيفية استخدام حاويات Docker و Docker لتطبيقات التعلم العميق: https://theaisummer.com/docker/
- قابلية التوسع في التعلم الآلي: قم بتنمية النموذج الخاص بك لخدمة ملايين المستخدمين: https://theaisummer.com/scalability/
- مقدمة إلى Kubernetes مع Google Cloud: نشر نموذج التعلم العميق الخاص بك دون عناء: https://theaisummer.com/kubernetes/
يدعم
إذا كنت تحب جهودنا ، فلا تنسى دور البطولة في المشروع :) يهم!
