Deep Learning In Production

制作本の深い学習

あなたはここから本のコピーをつかむことを知ることができます：

• Amazon ：ペーパーバックとKindle
• LEANPUB ：EPUBおよびPDF

深い学習モデルを構築、トレーニング、展開、拡張、維持します。実践的な例を使用して、MLインフラストラクチャとMLOPSを理解します。

あなたは何を学びますか？

• 深い学習コードを書くためのベストプラクティス
• 機械学習コードをユニットテストとデバッグする方法
• 効率的なデータパイプラインを構築および展開する方法
• 深い学習モデルを提供する方法
• アプリケーションを展開および拡大する方法
• MLOPとは何ですか、そしてエンドツーエンドのパイプラインを構築する方法

この本は誰ですか？

• 深い学習から始めているソフトウェアエンジニア
• 限られたソフトウェアエンジニアリングの背景を持つ機械学習研究者
• 知識を強化しようとする機械学習エンジニア
• モデルを生産し、顧客向けアプリケーションを構築したいデータサイエンティスト

どのツールを使用しますか？

Tensorflow、Flask、UWSGI、Nginx、Docker、Kubernetes、Tensorflow Extended、Google Cloud、Vertex AI

本の説明

深い学習研究は、過去数年間で急速に進歩しています。フレームワークとライブラリは常に開発および更新されています。ただし、深い学習モデルのサービス、展開、拡張方法に関する標準化されたソリューションはまだ不足しています。ディープラーニングインフラストラクチャはまだあまり成熟していません。

この本には、堅牢でスケーラブルな機械学習アプリケーションを構築する方法に関する一連のベストプラクティスとアプローチが蓄積されています。データの処理とトレーニングから展開とメンテナンスまで、ライフサイクル全体をカバーしています。これは、ソフトウェアコミュニティで一般的に受け入れられ、適用される方法論を深い学習プロジェクトに転送する方法を理解するのに役立ちます。

これは、最小限のソフトウェアバックグラウンドを持つ研究者、機械学習の経験がほとんどないソフトウェアエンジニア、または意欲的な機械学習エンジニアに最適です。

詳細と無料サンプル

本のページにアクセスしてください

目次

1. 機械学習システムの設計
2. 深い学習ワークステーションのセットアップ
3. ディープラーニングコードの作成と構造化
4. データ処理
5. トレーニング
6. サービング
7. 展開
8. スケーリング
9. エンドツーエンドのパイプラインの構築

記事

本は、ブログ「AI Summer」に掲載されている記事シリーズに基づいており、後に組み合わされて単一のリソースに整理されました。一部はゼロから書き直されました。本の構造に合うように変更されたものもありました。さらに、まったく新しい素材を追加しました！

1. ラップトップのセットアップとシステム設計：https：//theaisummer.com/deep-learning-production/
2. 深い学習コードを書くためのベストプラクティス：プロジェクト構造、OOP、タイプチェックとドキュメント：https：//theaisummer.com/best-practices-deep-rearning-code/
3. ディープラーニングの単位テスト方法：Tensorflow、Mocking、Testカバレッジのテスト：https：//theaisummer.com/unit-test-deep-rearning/
4. 機械学習のロギングとデバッグ：https：//theaisummer.com/logging-debugging/
5. ディープラーニングのためのデータの前処理：https：//theaisummer.com/data-preprocessing/
6. 深い学習のためのデータ前処理（PART2）：https：//theaisummer.com/data-processing-optimization/
7. Tensorflowでカスタムプロダクション対応のディープラーニングトレーニングループをゼロから構築する方法：https：//theaisummer.com/tensorflow-training-loop/
8. クラウドで深い学習モデルをトレーニングする方法：https：//theaisummer.com/training-cloud/
9. 分散ディープラーニングトレーニング：Tensorflowのモデルとデータの並列性：https：//theaisummer.com/distributed-training/
10. FlaskとTensorflow：https：//theaisummer.com/deploy-flask-tensorflow/を使用して、Webアプリケーションとしてディープラーニングモデルを展開する
11. uwsgiとnginxを使用して深い学習モデルを提供する方法：https：//theaisummer.com/uwsgi-nginx/
12. Docker ContainersとDocker Composeの使用方法ディープラーニングアプリケーション：https：//theaisummer.com/docker/
13. 機械学習のスケーラビリティ：何百万人ものユーザーにサービスを提供するためにモデルを成長させる：https：//theaisummer.com/scalability/
14. Google Cloudを使用してKubernetesの紹介：ディープラーニングモデルを簡単に展開する：https：//theaisummer.com/kubernetes/

サポート

あなたが私たちの努力が気に入ったら、プロジェクトを主演することを忘れないでください:)それは重要です！