Pembelajaran mendalam dalam buku produksi
Anda bisa tahu mengambil salinan buku dari sini:
- Amazon : Paperback dan Kindle
- LeanPub : Epub dan PDF
Membangun, melatih, menggunakan, skala, dan mempertahankan model pembelajaran yang mendalam. Pahami infrastruktur ML dan MLOPS menggunakan contoh langsung.
Apa yang akan kamu pelajari?
- Praktik terbaik untuk menulis kode pembelajaran yang mendalam
- Cara unit tes dan debug kode pembelajaran mesin
- Cara Membangun dan Menyebarkan Pipa Data yang Efisien
- Cara Melayani Model Pembelajaran yang Depat
- Cara Menyebarkan dan Skala Aplikasi Anda
- Apa itu MLOP dan Cara Membangun Pipa End-to-End
Untuk siapa buku ini?
- Insinyur perangkat lunak yang memulai dengan pembelajaran mendalam
- Peneliti pembelajaran mesin dengan latar belakang rekayasa perangkat lunak terbatas
- Insinyur pembelajaran mesin yang berusaha memperkuat pengetahuan mereka
- Ilmuwan data yang ingin memproduksi model mereka dan membangun aplikasi yang menghadap pelanggan
Alat apa yang akan Anda gunakan?
Tensorflow, Flask, UWSGI, Nginx, Docker, Kubernetes, TensorFlow Diperpanjang, Google Cloud, Vertex AI
Deskripsi buku
Penelitian pembelajaran mendalam meningkat pesat selama beberapa tahun terakhir. Kerangka kerja dan perpustakaan terus dikembangkan dan diperbarui. Namun, kami masih kekurangan solusi standar tentang cara melayani, menggunakan, dan skala model pembelajaran yang mendalam. Infrastruktur pembelajaran yang mendalam belum terlalu matang.
Buku ini mengumpulkan serangkaian praktik dan pendekatan terbaik tentang cara membangun aplikasi pembelajaran mesin yang kuat dan terukur. Ini mencakup seluruh siklus hidup dari pemrosesan data dan pelatihan hingga penyebaran dan pemeliharaan. Ini akan membantu Anda memahami cara mentransfer metodologi yang umumnya diterima dan diterapkan dalam komunitas perangkat lunak, ke dalam proyek pembelajaran yang mendalam.
Ini adalah pilihan yang sangat baik bagi para peneliti dengan latar belakang perangkat lunak yang minim, insinyur perangkat lunak dengan sedikit pengalaman dalam pembelajaran mesin, atau calon insinyur pembelajaran mesin.
Rincian lebih lanjut dan sampel gratis
Kunjungi Halaman Buku
Daftar isi
- Merancang sistem pembelajaran mesin
- Menyiapkan workstation pembelajaran yang mendalam
- Menulis dan Menyusun Kode Pembelajaran yang mendalam
- Pengolahan data
- Pelatihan
- Porsi
- Menyebarkan
- Penskalaan
- Membangun pipa ujung ke ujung
Artikel
Buku -buku ini didasarkan pada seri artikel yang diterbitkan di blog kami "AI Summer" dan kemudian digabungkan dan diorganisir menjadi satu sumber daya. Beberapa ditulis ulang dari awal; Beberapa dimodifikasi agar sesuai dengan struktur buku. Plus, kami menambahkan materi yang benar -benar baru!
- Laptop Pengaturan dan Desain Sistem: https://theaisummer.com/deep-learning-production/
- Praktik Terbaik Untuk Menulis Kode Pembelajaran Deep: Struktur Proyek, OOP, Ketik Pemeriksaan dan Dokumentasi: https://theaisummer.com/best-practices-deep-learning-code/
- Cara unit test pembelajaran mendalam: tes dalam tensorflow, mengejek dan cakupan tes: https://theaisummer.com/unit-test-deep-learning/
- Logging dan debugging dalam pembelajaran mesin: https://theaisummer.com/logging-debugging/
- Preprocessing data untuk pembelajaran mendalam: https://theaisummer.com/data-processing/
- Preprocessing data untuk pembelajaran mendalam (part2): https://theaisummer.com/data-processing-optimization/
- Cara membangun loop pelatihan pembelajaran mendalam siap-produksi khusus di TensorFlow dari awal: https://theaisummer.com/tensorflow-training-loop/
- Cara melatih model pembelajaran yang mendalam di cloud: https://theaisummer.com/training cloud/
- Pelatihan Pembelajaran Deep Terdistribusi: Model dan Data Parallelism in TensorFlow: https://theaisummer.com/distributed-training/
- Menyebarkan model pembelajaran yang mendalam sebagai aplikasi web menggunakan flask dan tensorflow: https://theaisummer.com/deploy-flask-tensorflow/
- Cara menggunakan UWSGI dan NGINX untuk melayani model pembelajaran yang mendalam: https://theaisummer.com/uwsgi-nginx/
- Cara menggunakan wadah Docker dan Docker Compose untuk aplikasi pembelajaran yang mendalam: https://theaisummer.com/docker/
- Skalabilitas dalam Pembelajaran Mesin: Tumbuhkan model Anda untuk melayani jutaan pengguna: https://theaisummer.com/scalability/
- Pengantar Kubernetes dengan Google Cloud: Menyebarkan model pembelajaran mendalam Anda dengan mudah: https://theaisummer.com/kubernetes/
Mendukung
Jika Anda menyukai upaya kami, jangan lupa untuk membintangi proyek :) Itu penting!
