Kubeflow學(xué)習(xí)指南：生產(chǎn)級(jí)機(jī)器學(xué)習(xí)系統(tǒng)實(shí)現(xiàn)

定　價(jià)：￥99.00

作　者：	[美] 特雷弗·格蘭特，[加] 霍爾頓·卡勞，[俄] 鮑里斯·盧布林斯基，[美] 理查德·劉，[美] 伊蘭·菲洛年科著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111699378	出版時(shí)間：	2022-02-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	228	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　Kubeflow是基于K8S的機(jī)器學(xué)習(xí)工具包，是為數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程師構(gòu)建生產(chǎn)級(jí)別的機(jī)器學(xué)習(xí)實(shí)現(xiàn)而設(shè)計(jì)的。本書(shū)采用循序漸進(jìn)的方式，從 Kubeflow 的安裝、使用和設(shè)計(jì)開(kāi)篇，隨后從模型訓(xùn)練的整個(gè)周期展開(kāi)，涵蓋了數(shù)據(jù)探索、特征準(zhǔn)備、模型訓(xùn)練/調(diào)優(yōu)、模型服務(wù)、模型測(cè)試、模型監(jiān)測(cè)和模型版本管理等各個(gè)環(huán)節(jié)，既有相關(guān)的理論知識(shí)也囊括了真實(shí)的使用案例，能夠讓讀者在學(xué)習(xí) Kubeflow 知識(shí)的同時(shí)全面了解機(jī)器學(xué)習(xí)的相關(guān)知識(shí)，是入門(mén)和深入學(xué)習(xí)Kubeflow以及機(jī)器學(xué)習(xí)的良好指南。

作者簡(jiǎn)介

暫缺《Kubeflow學(xué)習(xí)指南：生產(chǎn)級(jí)機(jī)器學(xué)習(xí)系統(tǒng)實(shí)現(xiàn)》作者簡(jiǎn)介

圖書(shū)目錄

序言 1
前言 3
第1章 Kubeflow及其適用對(duì)象 13
1.1 模型開(kāi)發(fā)生命周期 13
1.2 Kubeflow 適合什么場(chǎng)景 14
1.3 為什么需要容器化 14
1.4 為什么需要 Kubernetes 15
1.5 Kubeflow的設(shè)計(jì)和核心組件 15
1.6 Kubeflow的替代方案 19
1.7 案例研究 21
1.8 總結(jié) 22
第2章你好，Kubeflow 24
2.1 搭建Kubeflow 24
2.2 訓(xùn)練和部署模型 30
2.3 超越本地部署 34
2.4 總結(jié) 34
第3章 Kubeflow設(shè)計(jì)：超越基礎(chǔ) 35
3.1 中央儀表盤(pán) 36
3.2 支持組件 43
3.3 總結(jié) 50
第4章 Kubeflow Pipeline 51
4.1 Pipeline入門(mén) 51
4.2 Kubeflow Pipeline組件介紹 60
4.3 Pipeline高級(jí)主題 68
4.4 總結(jié) 72
第5章數(shù)據(jù)準(zhǔn)備和特征準(zhǔn)備 73
5.1 選擇正確的工具 74
5.2 本地?cái)?shù)據(jù)準(zhǔn)備和特征準(zhǔn)備 74
5.3 分布式工具 78
5.4 將其整合到一個(gè)Pipeline中 92
5.5 將整個(gè)notebook作為數(shù)據(jù)準(zhǔn)備Pipeline階段使用 94
5.6 總結(jié) 95
第6章制品和元數(shù)據(jù)存儲(chǔ) 96
6.1 Kubeflow ML Metadata 97
6.2 基于Kubeflow的MLflow元數(shù)據(jù)工具 102
6.3 總結(jié) 110
第7章訓(xùn)練機(jī)器學(xué)習(xí)模型 111
7.1 用TensorFlow構(gòu)建推薦器 111
7.2 部署TensorFlow訓(xùn)練作業(yè) 117
7.3 分布式訓(xùn)練 120
7.4 使用scikit-learn訓(xùn)練模型 125
7.5 總結(jié) 132
第8章模型推斷 133
8.1 模型服務(wù) 133
8.2 模型監(jiān)控 136
8.3 模型更新 137
8.4 推理要求概述 138
8.5 Kubeflow中的模型推理 138
8.6 TensorFlow Serving 139
8.7 Seldon Core 143
8.8 KFServing 158
8.9 總結(jié) 174
第9章多工具使用案例 175
9.1 CT掃描去噪示例 175
9.2 共享Pipeline 186
9.3 總結(jié) 186
第10章超參調(diào)優(yōu)和自動(dòng)化機(jī)器學(xué)習(xí) 187
10.1 AutoML概述 187
10.2 使用Kubeflow Katib進(jìn)行超參調(diào)優(yōu) 188
10.3 Katib概念 189
10.4 安裝Katib 191
10.5 運(yùn)行第一個(gè)Katib實(shí)驗(yàn) 192
10.6 調(diào)優(yōu)分布式訓(xùn)練作業(yè) 200
10.7 神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索 201
10.8 Katib的優(yōu)勢(shì) 204
10.9 總結(jié) 205
附錄A Argo執(zhí)行器配置和權(quán)衡 207
附錄B 特定于云的工具和配置 208
附錄C 在應(yīng)用程序中使用模型服務(wù) 210