Giới Thiệu Ebook Machine Learning Engineering Với Python - Quản Lý Vòng Đời Của Các Mô Hình Machine Learning Bằng MLOps Với Các Ví Dụ Thực Tế [Ấn Bản Lần Thứ 2, Tháng 8-2023] [PDF, EPUB + CODE] [Mã - 9726E]
Biến các dự án machine learning của bạn thành các triển khai thành công với hướng dẫn thực tế này về cách xây dựng và mở rộng các giải pháp nhằm giải quyết các vấn đề trong thế giới thực.
Bao gồm một chương mới về generative AI và large language models (LLM) và xây dựng một pipeline tận dụng LLM bằng LangChain.
1. Các tính năng chính:
✓ Phiên bản thứ hai này đi sâu hơn vào các chủ đề chính về machine learning, CI/CD và system design.
✓ Khám phá các phương pháp MLOps cốt lõi, chẳng hạn như model management và performance monitoring.
✓ Xây dựng các ví dụ hoàn chỉnh về deployable ML microservices và pipelines bằng cách sử dụng AWS và các công cụ nguồn mở.
2. Mô tả cuốn sách:
Phiên bản thứ hai của Machine Learning Engineering với Python này là hướng dẫn thực tế mà các kỹ sư MLOps và ML cần để xây dựng giải pháp cho các bài toán trong thế giới thực. Cuốn sách cung cấp cho bạn những kỹ năng cần thiết để luôn dẫn đầu trong lĩnh vực đang phát triển nhanh chóng này.
Machine Learning Engineering với Python áp dụng cách tiếp cận dựa trên ví dụ để giúp bạn phát triển kỹ năng của mình và bao gồm các khái niệm kỹ thuật, các mẫu triển khai và các phương pháp phát triển mà bạn cần. Bạn sẽ khám phá các bước chính của ML development lifecycle và tạo 'model factory' được tiêu chuẩn hóa của riêng bạn cho training và retraining của các model. Bạn sẽ học cách sử dụng các khái niệm như CI/CD và cách phát hiện các loại sai lệch khác nhau.
Bắt tay thực hành với các kiến trúc triển khai mới nhất và khám phá các phương pháp để mở rộng quy mô giải pháp của bạn. Ấn bản này đi sâu hơn vào tất cả các khía cạnh của ML engineering và MLOps, tập trung vào các công nghệ dựa trên đám mây và nguồn mở mới nhất. Điều này bao gồm một cách tiếp cận được cải tiến hoàn toàn đối với các kỹ thuật pipelining và orchestration tiên tiến.
Với chương mới về deep learning, generative AI, và LLMOps, bạn sẽ học cách sử dụng các công cụ như LangChain, PyTorch và Hugging Face để tận dụng LLM cho supercharged analysis. Bạn cũng sẽ khám phá các AI assistant như GitHub Copilot để làm việc hiệu quả hơn và sau đó hiểu được những cân nhắc kỹ thuật khi làm việc với deep learning.
3. Bạn sẽ học được gì:
✓ Lập kế hoạch và quản lý các ML development project từ đầu đến cuối.
✓ Khám phá deep learning, LLM và LLMOps để tận dụng generative AI.
✓ Sử dụng Python để package các ML tool và mở rộng các giải pháp của bạn.
✓ Làm quen với Apache Spark, Kubernetes và Ray.
✓ Xây dựng và chạy các ML pipeline với Apache Airflow, ZenML và Kubeflow.
✓ Phát hiện sự sai lệch và xây dựng cơ chế đào tạo lại vào giải pháp của bạn
✓ Cải thiện khả năng xử lý lỗi bằng các cấu trúc điều khiển và vulnerability scanning.
✓ Host và build ML microservices cũng như các batch process chạy trên AWS.
4. Cuốn sách này dành cho ai:
Cuốn sách này được thiết kế dành cho các kỹ sư MLOps và ML, data scientist, và software developer, những người muốn xây dựng các giải pháp mạnh mẽ sử dụng machine learning để giải quyết các bài toán trong thế giới thực. Nếu bạn không phải là một developer nhưng muốn quản lý hoặc hiểu vòng đời sản phẩm của các hệ thống này, bạn cũng sẽ thấy cuốn sách này hữu ích. Cuốn sách này giả định kiến thức cơ bản về các khái niệm machine learning và kinh nghiệm lập trình trung cấp trong Python. Với việc tập trung vào các kỹ năng thực tế và các ví dụ thực tế, cuốn sách này là nguồn tài nguyên cần thiết cho bất kỳ ai muốn thăng tiến trong sự nghiệp machine learning engineering của mình.
5. Mục lục:
✓ Chương 1: Giới thiệu về ML Engineering.
✓ Chương 2: Machine Learning Development Process.
✓ Chương 3: Từ Model đến Model Factory.
✓ Chương 4: Packaging Up.
✓ Chương 5: Deployment Patterns và Tools.
✓ Chương 6: Scaling Up.
✓ Chương 7: Deep Learning, Generative AI, và LLMOps.
✓ Chương 8: Xây dựng một ML Microservice mẫu.
✓ Chương 9: Xây dựng một Extract, Transform, Machine Learning Use Case.
