本书前几章涵盖了DevOps和MLOps的理论和实践,然后介绍了如何设置持续集成和持续交付,接着介绍Kaizen,即对所有事物进行持续改进的想法。与云计算相关的MLOps分为三章,涵盖AWS、Azure 和GCP(谷歌云平台)。之后介绍了机器学习互操作性、构建MLOps命令行工具和微服务。这些主题包括许多具有积极吸引力的尖端新兴技术。结尾介绍了一些真实案例研究,以及执行MLOps时面临的挑战。
无
计算机/机器学习
将模型投入生产是机器学习面临的基本挑战,MLOps提供了一套经过验证的原则,旨在以可靠和自动化的方式解决这个问题。本书将带读者了解MLOps是什么以及它与DevOps的区别,并展示如何将其付诸实践以操作机器学习模型。
机器学习工程师或任何熟悉数据科学和Python的人将基于MLOps工具和方法(包括AutoML、监控和日志记录)构建基础,然后学习如何在AWS、微软Azure和谷歌云中实现它们。读者交付机器学习系统的速度越快,就越能专注于试图解决的业务问题。
本书将提供一个良好的开端,主要内容包括:
? 将DevOps最佳实践应用于机器学习。
? 构建生产机器学习系统并对其进行维护。
? 监控、测量、负载测试和操作机器学习系统。
? 为给定的机器学习任务选择正确的MLOps工具。
? 在不同平台和设备(包括手机和专用硬件)上运行机器学习模型。
“MLOps对于将ML用例投入生产至关重要,因为公司越来越依赖ML来保持竞争力。本书是MLOps的综合指南,是所有机器学习从业人员的必读之书籍。”
——Krishna Anumalasetty
微软Azure首席项目经理
Noah Gift是Pragmatic A.I.实验室的创始人。他教授和设计研究生的机器学习、MLOps、人工智能和数据科学课程,并为几所重点大学的学生和教师提供机器学习和云架构方面的咨询。
Alfredo Deza是一位充满激情的软件工程师、演讲者和作者,他还曾是奥运会运动员,拥有近20年的DevOps和软件工程经验。他在全球范围内教授机器学习工程,并就技术和个人发展开展讲座。