Aprendizagem profunda no livro de produção
Você pode saber pegar uma cópia do livro daqui:
- Amazon : brochura e Kindle
- LeanPub : epub e pdf
Construa, treine, implante, dimensione e mantenha modelos de aprendizado profundo. Entenda a infraestrutura de ML e os MLOPs usando exemplos práticos.
O que você aprenderá?
- Melhores práticas para escrever código de aprendizado profundo
- Como testar o código de aprendizado de máquina de unidade e depuração
- Como construir e implantar pipelines de dados eficientes
- Como servir modelos de aprendizado profundo
- Como implantar e escalar seu aplicativo
- O que é MLOPS e como construir pipelines de ponta a ponta
Para quem é este livro?
- Engenheiros de software que estão começando com o aprendizado profundo
- Pesquisadores de aprendizado de máquina com fundo limitado de engenharia de software
- Engenheiros de aprendizado de máquina que procuram fortalecer seus conhecimentos
- Cientistas de dados que desejam produzir seus modelos e criar aplicativos voltados para o cliente
Quais ferramentas você usará?
Tensorflow, Flask, UWSGI, Nginx, Docker, Kubernetes, Tensorflow estendido, Google Cloud, Vertex AI
Descrição do livro
A pesquisa de aprendizado profundo está avançando rapidamente nos últimos anos. Estruturas e bibliotecas são constantemente desenvolvidas e atualizadas. No entanto, ainda não temos soluções padronizadas sobre como atender, implantar e escalar modelos de aprendizado profundo. A infraestrutura de aprendizado profundo ainda não está muito maduro.
Este livro acumula um conjunto de melhores práticas e abordagens sobre como criar aplicativos robustos e escaláveis de aprendizado de máquina. Ele abrange todo o ciclo de vida do processamento e treinamento de dados à implantação e manutenção. Isso ajudará você a entender como transferir metodologias que geralmente são aceitas e aplicadas na comunidade de software, em projetos de aprendizado profundo.
É uma excelente opção para pesquisadores com formação mínima de software, engenheiros de software com pouca experiência em aprendizado de máquina ou engenheiros aspirantes a aprendizado de máquina.
Mais detalhes e uma amostra grátis
Visite a página do livro
Índice
- Projetando um sistema de aprendizado de máquina
- Configurando uma estação de trabalho de aprendizado profundo
- Escrever e estruturar o código de aprendizado profundo
- Processamento de dados
- Treinamento
- Servir
- Implantando
- Escala
- Construindo um oleoduto de ponta a ponta
Artigos
Os livros são baseados em uma série de artigos publicados em nosso blog "Ai Summer" e depois foram combinados e organizados em um único recurso. Alguns foram reescritos do zero; Alguns foram modificados para se ajustar à estrutura do livro. Além disso, adicionamos material completamente novo!
- Laptop Configuração e design do sistema: https://theaisummer.com/deep-learning-production/
- Melhores práticas para escrever Código de Aprendizagem Deep: Estrutura do Projeto, OOP, Verificação de Tipo e Documentação: https://theaisummer.com/best-practices-deep-learning-code/
- Como Teste de unidade Aprendizagem profunda: Testes em Tensorflow, zombaria e cobertura de teste: https://theaisummer.com/unit-test-deep-learning/
- Registro e depuração no aprendizado de máquina: https://theaisummer.com/logging-debugging/
- Pré-processamento de dados para aprendizado profundo: https://theaisummer.com/data-preprocessing/
- Pré-processamento de dados para aprendizado profundo (Part2): https://theaisummer.com/data-processing-optimization/
- Como construir um loop de treinamento de aprendizado profundo para a produção personalizado no Tensorflow do zero: https://theaisummer.com/tensorflow-trening-loop/
- Como treinar um modelo de aprendizado profundo na nuvem: https://theaisummer.com/train-loud/
- Treinamento de aprendizado profundo distribuído: Modelo e dados paralelismo no tensorflow: https://theaisummer.com/distributed-trening/
- Implante um modelo de aprendizado profundo como um aplicativo da Web usando o Flask e o TensorFlow: https://theaisummer.com/deploy-flask-tensorflow/
- Como usar o uwsgi e o nginx para servir um modelo de aprendizado profundo: https://theaisummer.com/uwsgi-nginx/
- Como usar os contêineres do Docker e o Docker Compose for Deep Learning Applications: https://theaisummer.com/docker/
- Escalabilidade no aprendizado de máquina: Culture seu modelo para servir milhões de usuários: https://theaisummer.com/scalability/
- Introdução a Kubernetes com o Google Cloud: Implante seu modelo de aprendizado profundo sem esforço: https://theaisummer.com/kubernetes/
Apoiar
Se você gosta do nosso esforço, não se esqueça de estrelar o projeto :) isso importa!
