0人評分過此書
內容簡介:幫助您更了解如何實務開發中應用機器學習技術
本書是機器學習系統設計模式的集合，範例使用的平台是Docker和Kubernetes，以確保程式碼的可重複執行。本書描述機器學習從訓練、評估和QA，到發布和運行推理器的順序，以及架構和代碼。藉由本書的指引，能夠幫助您更有效地使用機器學習的技術，將其應用在實際的系統開發中。
本書可以幫助您：
．了解如何MLOps這種機器學習付諸實用的開發維護方法
．了解建置機器學習系統的方法，包括專為機器學習設計的系統（機器學習管線或實驗管理）與專為使用機器學習設計的系統（發佈或推論器），以實現MLOps
．了解改善機器學習系統品質的方法，以及如何透過後續的維護改善模型
來自讀者的讚譽
＂蘊含了MLOps的精華＂
＂詳細介紹了如何開發在商業環境中應用機器學習的系統＂
＂資訊豐富，是開發大型系統極佳的參考資料＂
本書是機器學習系統設計模式的集合，範例使用的平台是Docker和Kubernetes，以確保程式碼的可重複執行。本書描述機器學習從訓練、評估和QA，到發布和運行推理器的順序，以及架構和代碼。藉由本書的指引，能夠幫助您更有效地使用機器學習的技術，將其應用在實際的系統開發中。
本書可以幫助您：
．了解如何MLOps這種機器學習付諸實用的開發維護方法
．了解建置機器學習系統的方法，包括專為機器學習設計的系統（機器學習管線或實驗管理）與專為使用機器學習設計的系統（發佈或推論器），以實現MLOps
．了解改善機器學習系統品質的方法，以及如何透過後續的維護改善模型
來自讀者的讚譽
＂蘊含了MLOps的精華＂
＂詳細介紹了如何開發在商業環境中應用機器學習的系統＂
＂資訊豐富，是開發大型系統極佳的參考資料＂
- 前言
- 本書的目標讀者與必要的背景知識
- 本書的編排方式
- 本書範例檔的執行環境
- 書上的範例檔與 GitHub 範例檔的差異之處
- 本書的範例檔
-
Part 1 機器學習與MLOps
-
CHAPTER 1 何謂機器學習系統？
-
1.1 機器學習、MLOps、系統
-
1.2 目標是打造方便使用者的機器學習
-
1.3 機器學習系統所需的東西
-
1.4 讓機器學習系統模式化
-
1.5 本書的編排方式
-
-
-
Part 2 建立機器學習系統
-
CHAPTER 2 建置模型
-
2.1 建置模型
-
2.2 反面模式─Only me 模式─
-
2.3 專案、模型與版本管理
-
2.4 管線學習模式
-
2.5 批次學習模式
-
2.6 反面模式─複雜管線模式─
-
-
CHAPTER 3 發佈模型
-
3.1 學習環境與推論環境
-
3.2 反面模式─版本不一致模式─
-
3.3 模型的發行與推論器的運作
-
3.4 Model in Image 模式
-
3.5 Model Loader 模式
-
3.6 模型的發行與水平擴充
-
-
CHAPTER 4 建立推論系統
-
4.1 為什麼要建立系統
-
4.2 Web Single 模式
-
4.3 同步推論模式
-
4.4 非同步推論模式
-
4.5 批次推論模式
-
4.6 前置處理推論模式
-
4.7 微服務串聯模式
-
4.8 微服務並聯模式
-
4.9 時間差推論模式
-
4.10 推論快取模式
-
4.11 資料快取模式
-
4.12 推論器範本模式
-
4.13 Edge AI 模式
-
4.14 反面模式─Online Big Size 模式─
-
4.15 反面模式─All in One 模式─
-
-
-
Part 3 品質• 維護•管理
-
CHAPTER 5 維護機器學習系統
-
5.1 機器學習的應用
-
5.2 推論日誌模式
-
5.3 推論監控模式
-
5.4 反面模式─無日誌資料模式─
-
5.5 反面模式─孤兒模式─
-
-
CHAPTER 6 維持機器學習系統的品質
-
6.1 機器學習系統的品質與維護
-
6.2 機器學習系統的正常性評估指標
-
6.3 負載測試模式
-
6.4 推論斷路器模式
-
6.5 Shadow A/B 測試模式
-
6.6 線上A／B 測試模式
-
6.7 參數基礎推論模式
-
6.8 條件分歧推論模式
-
6.9 反面模式─純離線模式─
-
-
CHAPTER 7 End-to-End 的MLOps 系統設計
-
7.1 課題與手法
-
7.2 需求預測系統的範例
-
7.3 內容上傳服務的範例
-
7.4 總結
-
-
- 結語
- INDEX
- 作者簡介
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
