Aprendizaje profundo en el libro de producción
Puedes saber Tomar una copia del libro de aquí:
- Amazon : Paperback y Kindle
- LeanPub : Epub y PDF
Construir, entrenar, desplegar, escalar y mantener modelos de aprendizaje profundo. Comprenda la infraestructura de ML y los MLOP utilizando ejemplos prácticos.
¿Qué aprenderás?
- Las mejores prácticas para escribir código de aprendizaje profundo
- Cómo probar y depurar el código de aprendizaje automático
- Cómo construir e implementar tuberías de datos eficientes
- Cómo servir modelos de aprendizaje profundo
- Cómo implementar y escalar su aplicación
- ¿Qué son las mlops y cómo construir tuberías de extremo a extremo?
¿Para quién es este libro?
- Ingenieros de software que están comenzando con un aprendizaje profundo
- Investigadores de aprendizaje automático con antecedentes limitados de ingeniería de software
- Ingenieros de aprendizaje automático que buscan fortalecer su conocimiento
- Científicos de datos que desean producir sus modelos y construir aplicaciones orientadas al cliente
¿Qué herramientas usarás?
TensorFlow, Flask, Uwsgi, Nginx, Docker, Kubernetes, TensorFlow Extended, Google Cloud, Vertex AI
Descripción del libro
La investigación del aprendizaje profundo avanza rápidamente en los últimos años. Los marcos y las bibliotecas se desarrollan y actualizan constantemente. Sin embargo, todavía nos faltan soluciones estandarizadas sobre cómo servir, implementar y escalar modelos de aprendizaje profundo. La infraestructura de aprendizaje profundo aún no es muy maduro.
Este libro acumula un conjunto de mejores prácticas y enfoques sobre cómo crear aplicaciones de aprendizaje automático robustas y escalables. Cubre todo el ciclo de vida desde el procesamiento de datos y la capacitación hasta la implementación y el mantenimiento. Le ayudará a comprender cómo transferir metodologías que generalmente se aceptan y aplicarán en la comunidad de software, en proyectos de aprendizaje profundo.
Es una excelente opción para los investigadores con antecedentes mínimos de software, ingenieros de software con poca experiencia en aprendizaje automático o aspirantes a ingenieros de aprendizaje automático.
Más detalles y una muestra gratuita
Visite la página del libro
Tabla de contenido
- Diseño de un sistema de aprendizaje automático
- Establecer una estación de trabajo de aprendizaje profundo
- Escribir y estructurar código de aprendizaje profundo
- Proceso de datos
- Capacitación
- Servicio
- Despliegue
- Escalada
- Construyendo una tubería de extremo a extremo
Artículos
Los libros se basan en una serie de artículos publicada en nuestro blog "Ai Summer" y luego se combinaron y organizaron en un solo recurso. Algunos fueron reescritos desde cero; Algunos fueron modificados para adaptarse a la estructura del libro. Además, ¡agregamos material completamente nuevo!
- Configuración de laptop y diseño del sistema: https://theaisummer.com/deep-letarning-production/
- Las mejores prácticas para escribir código de aprendizaje profundo: estructura del proyecto, OOP, comprobación de tipo y documentación: https://theaisummer.com/best-practices-deep-letarning-code/
- Cómo probar un unitario aprendizaje profundo: pruebas en tensorflow, burla y cobertura de prueba: https://theaisummer.com/unit-test-deep-letarning/
- Registro y depuración en el aprendizaje automático: https://theaisummer.com/logging-debugging/
- Preprocesamiento de datos para aprendizaje profundo: https://theaisummer.com/data-preprocessing/
- Preprocesamiento de datos para el aprendizaje profundo (parte2): https://theaisummer.com/data-processing-optimization/
- Cómo construir un bucle de entrenamiento de aprendizaje profundo listo para la producción personalizado en TensorFlow desde cero: https://theaisummer.com/tensorflow-training-loop/
- Cómo entrenar un modelo de aprendizaje profundo en la nube: https://theaisummer.com/trainingcloud/
- Capacitación de aprendizaje profundo distribuido: paralelismo de modelos y datos en TensorFlow: https://theaisummer.com/distributed-training/
- Implemente un modelo de aprendizaje profundo como una aplicación web usando Flask y TensorFlow: https://theaisummer.com/deploy-flask-tensorflow/
- Cómo usar Uwsgi y Nginx para servir a un modelo de aprendizaje profundo: https://theaisummer.com/uwsgi-nginx/
- Cómo usar Docker Containers y Docker Compose para aplicaciones de aprendizaje profundo: https://theaisummer.com/docker/
- Escalabilidad en el aprendizaje automático: haga crecer su modelo para servir a millones de usuarios: https://theaisummer.com/scalability/
- Introducción a Kubernetes con Google Cloud: implementa tu modelo de aprendizaje profundo sin esfuerzo: https://theaisummer.com/kubernetes/
Apoyo
Si te gusta nuestro esfuerzo, no olvides protagonizar el proyecto :) ¡Importa!
