การเรียนรู้อย่างลึกซึ้งในสมุดผลิต
คุณสามารถรู้คว้าสำเนาหนังสือจากที่นี่:
- Amazon : ปกอ่อนและ Kindle
- leanpub : epub และ pdf
สร้าง, รถไฟ, ปรับใช้, ปรับขนาดและรักษารูปแบบการเรียนรู้อย่างลึกซึ้ง ทำความเข้าใจโครงสร้างพื้นฐาน ML และ MLOPS โดยใช้ตัวอย่าง
คุณจะเรียนรู้อะไร?
- แนวทางปฏิบัติที่ดีที่สุดในการเขียนรหัสการเรียนรู้ลึก
- วิธีการทดสอบหน่วยและรหัสการเรียนรู้ของเครื่องจักรดีบั๊ก
- วิธีสร้างและปรับใช้ท่อข้อมูลที่มีประสิทธิภาพ
- วิธีการให้บริการแบบจำลองการเรียนรู้อย่างลึกซึ้ง
- วิธีการปรับใช้และปรับขนาดแอปพลิเคชันของคุณ
- mlops คืออะไรและวิธีการสร้างท่อส่งข้อมูลแบบ end-to-end
หนังสือเล่มนี้เป็นใคร?
- วิศวกรซอฟต์แวร์ที่เริ่มต้นด้วยการเรียนรู้อย่างลึกซึ้ง
- นักวิจัยการเรียนรู้ของเครื่องที่มีพื้นหลังวิศวกรรมซอฟต์แวร์ จำกัด
- วิศวกรการเรียนรู้ของเครื่องจักรที่พยายามเสริมสร้างความรู้ของพวกเขา
- นักวิทยาศาสตร์ด้านข้อมูลที่ต้องการผลิตแบบจำลองและสร้างแอพพลิเคชั่นที่ลูกค้าหันหน้าเข้าหา
คุณจะใช้เครื่องมืออะไร?
tensorflow, flask, uwsgi, nginx, docker, kubernetes, tensorflow ขยาย, Google Cloud, Vertex AI
คำอธิบายหนังสือ
การวิจัยการเรียนรู้อย่างลึกซึ้งกำลังก้าวหน้าอย่างรวดเร็วในช่วงหลายปีที่ผ่านมา เฟรมเวิร์กและห้องสมุดได้รับการพัฒนาและปรับปรุงอย่างต่อเนื่อง อย่างไรก็ตามเรายังขาดโซลูชั่นมาตรฐานเกี่ยวกับวิธีการให้บริการปรับใช้และปรับขนาดแบบจำลองการเรียนรู้ลึก โครงสร้างพื้นฐานการเรียนรู้ลึกยังไม่เป็นผู้ใหญ่มาก
หนังสือเล่มนี้สะสมชุดของแนวปฏิบัติที่ดีที่สุดและวิธีการเกี่ยวกับวิธีการสร้างแอพพลิเคชั่นการเรียนรู้ของเครื่องที่มีประสิทธิภาพและปรับขนาดได้ ครอบคลุมวงจรชีวิตทั้งหมดตั้งแต่การประมวลผลข้อมูลและการฝึกอบรมไปจนถึงการปรับใช้และการบำรุงรักษา มันจะช่วยให้คุณเข้าใจวิธีการถ่ายโอนวิธีการที่ได้รับการยอมรับและนำไปใช้โดยทั่วไปในชุมชนซอฟต์แวร์ในโครงการการเรียนรู้เชิงลึก
เป็นตัวเลือกที่ยอดเยี่ยมสำหรับนักวิจัยที่มีพื้นหลังซอฟต์แวร์น้อยที่สุดวิศวกรซอฟต์แวร์ที่มีประสบการณ์น้อยในการเรียนรู้ของเครื่องหรือวิศวกรการเรียนรู้ของเครื่องจักรที่ต้องการ
รายละเอียดเพิ่มเติมและตัวอย่างฟรี
เยี่ยมชมหน้าหนังสือ
สารบัญ
- การออกแบบระบบการเรียนรู้ของเครื่องจักร
- การตั้งค่าเวิร์กสเตชันการเรียนรู้อย่างลึกซึ้ง
- การเขียนและการจัดโครงสร้างรหัสการเรียนรู้ลึก
- การประมวลผลข้อมูล
- การฝึกอบรม
- การรับใช้
- การปรับใช้
- การปรับขนาด
- การสร้างท่อส่ง
บทความ
หนังสือเล่มนี้มีพื้นฐานมาจากชุดบทความที่ตีพิมพ์ในบล็อกของเรา "AI Summer" และต่อมาพวกเขาได้รวมกันและจัดระเบียบเป็นทรัพยากรเดียว บางคนเขียนใหม่ตั้งแต่เริ่มต้น บางคนได้รับการแก้ไขเพื่อให้พอดีกับโครงสร้างของหนังสือ นอกจากนี้เรายังเพิ่มวัสดุใหม่อย่างสมบูรณ์!
- การตั้งค่าแล็ปท็อปและการออกแบบระบบ: https://theaisummer.com/deep-learning-production/
- แนวทางปฏิบัติที่ดีที่สุดในการเขียนรหัสการเรียนรู้ลึก: โครงสร้างโครงการ, OOP, การตรวจสอบประเภทและเอกสาร: https://theaisummer.com/best-practices-reeplearning-code/
- วิธีการทดสอบการเรียนรู้อย่างลึก
- การบันทึกและการดีบักในการเรียนรู้ของเครื่อง: https://theaisummer.com/logging-debugging/
- การประมวลผลข้อมูลล่วงหน้าเพื่อการเรียนรู้อย่างลึกซึ้ง: https://theaisummer.com/data-preprocessing/
- การประมวลผลข้อมูลล่วงหน้าเพื่อการเรียนรู้อย่างลึกซึ้ง (ตอนที่ 2): https://theaisummer.com/data-processing-optimization/
- วิธีการสร้างลูปฝึกอบรมการเรียนรู้เชิงลึกที่กำหนดเองใน tensorflow ตั้งแต่เริ่มต้น: https://theaisummer.com/tensorflow-training-loop/
- วิธีการฝึกอบรมแบบจำลองการเรียนรู้อย่างลึกซึ้งในคลาวด์: https://theaisummer.com/training-cloud/
- การฝึกอบรมการเรียนรู้อย่างลึกซึ้งแบบกระจาย: แบบจำลองและข้อมูลแบบขนานใน tensorflow: https://theaisummer.com/distributed-training/
- ปรับใช้รูปแบบการเรียนรู้ลึกเป็นเว็บแอปพลิเคชันโดยใช้ Flask และ TensorFlow: https://theaisummer.com/deploy-flask-tensorflow/
- วิธีใช้ UWSGI และ NGINX เพื่อให้บริการแบบจำลองการเรียนรู้อย่างลึกซึ้ง: https://theaisummer.com/uwsgi-nginx/
- วิธีใช้คอนเทนเนอร์ Docker และนักเทียบท่าสำหรับแอปพลิเคชันการเรียนรู้อย่างลึกซึ้ง: https://theaisummer.com/docker/
- ความสามารถในการปรับขนาดในการเรียนรู้ของเครื่อง: เติบโตแบบจำลองของคุณเพื่อให้บริการผู้ใช้หลายล้านคน: https://theaisummer.com/scalability/
- รู้เบื้องต้นเกี่ยวกับ Kubernetes กับ Google Cloud: ปรับใช้รูปแบบการเรียนรู้ลึกของคุณได้อย่างง่ายดาย: https://theaisummer.com/kubernetes/
สนับสนุน
ถ้าคุณชอบความพยายามของเราอย่าลืมแสดงโครงการ :) มันสำคัญ!
