ویژگی‌های کلیدی
بهترین شیوه‌ها در مورد آوردن مدل‌های خود به تولید را بیاموزید.
ابزارهای موجود برای ارائه مدل‌های یادگیری ماشین و تفاوت‌های بین آنها را بررسی کنید.
رویکردهای نظارتی پیشرفته برای پیاده‌سازی‌های ارائه مدل را درک کنید.
شرح کتاب
الگوهای ارائه، تیم‌های علوم داده و یادگیری ماشین را قادر می‌سازند تا مدل‌های خود را به تولید برسانند. اکثر مدل‌های یادگیری ماشین برای مصرف‌کنندگان مستقر نمی‌شوند، بنابراین مهندسان یادگیری ماشین باید مراحل حیاتی نحوه ارائه یک مدل یادگیری ماشین را بدانند.
این کتاب کل فرآیند را از مفاهیم اساسی مانند ارائه حالت‌مند و بدون حالت گرفته تا مزایا و چالش‌های هر یک پوشش می‌دهد. تکنیک‌های ارائه مدل دسته‌ای، بلادرنگ و پیوسته نیز به تفصیل پوشش داده خواهند شد. فصل‌های بعدی مثال‌های مفصلی از تکنیک‌های پیش‌بینی کلیددار و الگوهای گروهی ارائه می‌دهند. فناوری‌های مرتبط ارزشمندی مانند جداسازی TensorFlow، BentoML و RayServe نیز مورد بحث قرار خواهند گرفت تا مطمئن شوید که درک خوبی از مهمترین روش‌ها و تکنیک‌های ارائه مدل دارید. بعداً، مباحثی مانند نظارت و بهینه‌سازی عملکرد، و همچنین استراتژی‌هایی برای مدیریت رانش مدل و مدیریت به‌روزرسانی‌ها و نسخه‌بندی را پوشش خواهید داد. این کتاب راهنمایی‌های عملی و بهترین شیوه‌ها را برای اطمینان از اینکه خط لوله سرویس مدل شما قوی، مقیاس‌پذیر و قابل اعتماد است، ارائه می‌دهد. علاوه بر این، این کتاب با کمک مثال‌های دقیق، استفاده از پلتفرم‌ها و سرویس‌های مبتنی بر ابر را برای سرویس مدل با استفاده از AWS SageMaker بررسی خواهد کرد.
در پایان این کتاب، شما قادر خواهید بود مدل خود را با استفاده از تکنیک‌های پیشرفته ذخیره و سرویس دهید.
آنچه خواهید آموخت
الگوهای خاص در سرویس مدل را که برای هر متخصص علوم داده بسیار مهم است، بررسی کنید
نحوه سرویس مدل‌های یادگیری ماشین را با استفاده از تکنیک‌های مختلف درک کنید
رویکردهای مختلف سرویس بدون وضعیت را کشف کنید
تکنیک‌های پیشرفته برای سرویس مدل دسته‌ای و جریانی را پیاده‌سازی کنید
با مفاهیم اساسی در ارزیابی مداوم مدل آشنا شوید
مدل‌های یادگیری ماشین را با استفاده از یک راه‌حل ابری کاملاً مدیریت‌شده AWS Sagemaker سرویس دهید
این کتاب برای چه کسانی مناسب است؟
این کتاب برای مهندسان یادگیری ماشین و دانشمندان داده‌ای است که می‌خواهند مدل‌های خود را به مرحله تولید برسانند. کسانی که با یادگیری ماشین آشنا هستند و تجربه استفاده از تکنیک‌های یادگیری ماشین را دارند اما به دنبال گزینه‌ها و استراتژی‌هایی برای به مرحله تولید رساندن مدل‌های خود هستند، ارزش زیادی در این کتاب خواهند یافت. دانش عملی برنامه‌نویسی پایتون برای شروع ضروری است.
فهرست مطالب
معرفی سرویس مدل
معرفی الگوهای سرویس مدل
سرویس مدل بدون حالت
ارزیابی مدل مداوم
پیش‌بینی کلیددار
الگوی سرویس مدل دسته‌ای
سرویس مدل یادگیری آنلاین
الگوی مدل دو فازی
الگوی خط لوله
سرویس مدل
الگوی سرویس مدل گروهی
الگوی منطق کسب‌وکار
بررسی سرویس Tensorflow
استفاده از Ray Serve
استفاده از BentoML
سرویس مدل‌های ML با استفاده از یک راهکار ابری کاملاً مدیریت‌شده
