Machine Learning Model Serving Patterns and Best Practices

[joomlamz]

Padrões e práticas recomendadas de atendimento do modelo de aprendizado de máquina
inglês | 2022 | ISBN: ‎ 1803249900 | 336 páginas | Verdadeiro PDF | 25,08 MB


Torne-se um profissional de aprendizado de máquina bem-sucedido, implantando sem esforço modelos de aprendizado de máquina para produção e implementando modelos de aprendizado de máquina baseados em nuvem para uso organizacional generalizado

Características principais

  Aprenda as práticas recomendadas sobre como colocar seus modelos em produção
  Explore as ferramentas disponíveis para servir modelos de ML e as diferenças entre elas
  Entenda as abordagens de monitoramento de última geração para implementações de serviço de modelo


Descrição do livro
Os padrões de serviço permitem que as equipes de ciência de dados e ML levem seus modelos para produção. A maioria dos modelos de ML não é implantada para consumidores, portanto, os engenheiros de ML precisam conhecer as etapas críticas de como atender a um modelo de ML.
Este livro cobrirá todo o processo, desde os conceitos básicos como serviços com estado e sem estado até as vantagens e desafios de cada um. As técnicas de serviço de modelo em lote, em tempo real e contínuo também serão abordadas em detalhes. Os capítulos posteriores darão exemplos detalhados de técnicas de predição chaveadas e padrões de conjunto. Tecnologias valiosas associadas, como corte TensorFlow, BentoML e RayServe, também serão discutidas, garantindo que você tenha um bom entendimento dos métodos e técnicas mais importantes no serviço de modelo. Posteriormente, você abordará tópicos como monitoramento e otimização de desempenho, bem como estratégias para gerenciar desvios de modelo e lidar com atualizações e versões. O livro fornecerá orientações práticas e práticas recomendadas para garantir que seu pipeline de serviço de modelo seja robusto, escalável e confiável. Além disso, este livro explorará o uso de plataformas e serviços baseados em nuvem para servir modelos usando o AWS SageMaker com a ajuda de exemplos detalhados.
No final deste livro, você será capaz de salvar e servir seu modelo usando técnicas de ponta.
O que você vai aprender

  Explore padrões específicos no serviço de modelo que são cruciais para todos os profissionais de ciência de dados
  Entenda como servir modelos de aprendizado de máquina usando diferentes técnicas
  Descubra as várias abordagens para a veiculação sem estado
  Implemente técnicas avançadas para veiculação de modelo em lote e streaming
  Familiarize-se com os conceitos fundamentais na avaliação contínua do modelo
  Sirva modelos de aprendizado de máquina usando uma solução de nuvem AWS Sagemaker totalmente gerenciada


Para quem é este livro
Este livro é para engenheiros de aprendizado de máquina e cientistas de dados que desejam colocar seus modelos em produção. Aqueles que estão familiarizados com aprendizado de máquina e têm experiência no uso de técnicas de aprendizado de máquina, mas estão procurando opções e estratégias para levar seus modelos à produção, encontrarão grande valor neste livro. Conhecimento prático de programação Python é uma obrigação para começar.
Índice

  Apresentação do serviço de modelo
  Apresentando os padrões de veiculação de modelo
  Exibição de modelo sem estado
  Avaliação Contínua do Modelo
  Previsão chaveada
  Padrão de veiculação do modelo em lote
  Serviço de modelo de aprendizado on-line
  Padrão de Modelo de Duas Fases
  Serviço de Modelo de Padrão de Pipeline
  Padrão de serviço do modelo de conjunto
  Padrão de Lógica de Negócios
  Explorando a exibição do Tensorflow
  Usando Ray Serve
  Usando o BentoML
  Servindo modelos de ML usando uma solução de nuvem totalmente gerenciada

https://rapidgator.net/file/f5b3ca1300ded9489fa3df8d4cec1fed


Download From 1DL


https://1dl.net/u4klcap01hup


Download From Nitroflare


https://nitroflare.com/view/52FF20C44ABD798