- Main
- Computers - Computer Science
- Kubeflow for Machine Learning: From Lab...
Kubeflow for Machine Learning: From Lab to Production
Trevor Grant, Holden Karau, Boris Lublinsky, Richard Liu, Ilan FilonenkoΠόσο σας άρεσε αυτό το βιβλίο;
Ποια είναι η ποιότητα του ληφθέντος αρχείου;
Κατεβάστε το βιβλίο για να αξιολογήσετε την ποιότητά του
Ποια είναι η ποιότητα των ληφθέντων αρχείων;
If you're training a machine learning model but aren't sure how to put it into production, this book will get you there. Kubeflow provides a collection of cloud native tools for different stages of a model's lifecycle, from data exploration, feature preparation, and model training to model serving. This guide helps data scientists build production-grade machine learning implementations with Kubeflow and shows data engineers how to make models scalable and reliable.
Using examples throughout the book, authors Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu, and Boris Lublinsky explain how to use Kubeflow to train and serve your machine learning models on top of Kubernetes in the cloud or in a development environment on-premises.
• Understand Kubeflow's design, core components, and the problems it solves
• Understand the differences between Kubeflow on different cluster types
• Train models using Kubeflow with popular tools including Scikit-learn, TensorFlow, and Apache Spark
• Keep your model up to date with Kubeflow Pipelines
• Understand how to capture model training metadata
• Explore how to extend Kubeflow with additional open source tools
• Use hyperparameter tuning for training
• Learn how to serve your model in production
Using examples throughout the book, authors Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu, and Boris Lublinsky explain how to use Kubeflow to train and serve your machine learning models on top of Kubernetes in the cloud or in a development environment on-premises.
• Understand Kubeflow's design, core components, and the problems it solves
• Understand the differences between Kubeflow on different cluster types
• Train models using Kubeflow with popular tools including Scikit-learn, TensorFlow, and Apache Spark
• Keep your model up to date with Kubeflow Pipelines
• Understand how to capture model training metadata
• Explore how to extend Kubeflow with additional open source tools
• Use hyperparameter tuning for training
• Learn how to serve your model in production
Κατηγορίες:
Έτος:
2020
Έκδοση:
1
Εκδότης:
O'Reilly Media
Γλώσσα:
english
Σελίδες:
264
ISBN 10:
1492050121
ISBN 13:
9781492050124
Αρχείο:
PDF, 13.95 MB
Οι ετικέτες (tags) σας:
IPFS:
CID , CID Blake2b
english, 2020
Κατεβάστε (pdf, 13.95 MB)
- Checking other formats...
- Μετατροπή σε
- Ξεμπλοκάρετε τη μετατροπή αρχείων μεγαλύτερων από 8 MB Premium
Θέλετε να προσθέσετε βιβλιοπωλείο; Επικοινωνήστε μαζί μας στο support@z-lib.fm
Το αρχείο θα παραδοθεί στο email σας εντός 1-5 λεπτών.
Το αρχείο θα παραδοθεί στον λογαριασμό σας στο Telegram εντός 1-5 λεπτών.
Προσοχή: Βεβαιωθείτε ότι έχετε συνδέσει τον λογαριασμό σας με το Z-Library Telegram bot.
Μέσα σε 1-5 λεπτά το αρχείο θα παραδοθεί στη συσκευή σας Kindle.
Παρακαλώ σημειώστε: Πρέπει να επαληθεύετε κάθε βιβλίο που στέλνετε στο Kindle σας. Ελέγξτε εάν στα εισερχόμενα μηνύματα στη διεύθυνση του ηλεκτρονικού ταχυδρομείου σας υπάρχει το μήνυμα επαλήθευσης από το Amazon Kindle Support.
Η μετατροπή σε βρίσκεται σε εξέλιξη
Η μετατροπή σε απέτυχε
Πλεονεκτήματα της premium συνδρομής
- Αποστολή σε e-readers
- Αυξημένο όριο λήψης
- Μετατροπή αρχείων
- Περισσότερα αποτελέσματα αναζήτησης
- Λοιπά πλεονεκτήματα