pdf 파일 다운로드 télécharger le fichier pdf descarregar ficheiro pdf download pdf file להוריד קובץ PDF pdf dosyasını indir تنزيل ملف pdf скачать файл PDF descargar archivo pdf PDFファイルをダウンロード pobierz plik pdf PDF-Datei herunterladen download pdf file 下载 pdf 文件 Scarica il file pdf
Practical patterns for scaling Machine Learning from your laptop to a distributed cluster. Distributed Machine Learning Patterns teaches you how to scale Machine Learning models from your laptop to large distributed clusters. In it, you’ll learn how to apply established distributed systems patterns to Machine Learning projects, and explore new ML-specific patterns as well. Firmly rooted in the real world, this book demonstrates how to apply patterns using examples based in TensorFlow, Kubernetes, Kubeflow, and Argo Workflows. Real-world scenarios, hands-on projects, and clear, practical DevOps techniques let you easily launch, manage, and monitor cloud-native distributed Machine Learning pipelines. For data analysts, data scientists, and software engineers who know the basics of Machine Learning algorithms and running Machine Learning in production. Readers should be familiar with the basics of Bash, Python, and Docker.
Практические шаблоны для масштабирования машинного обучения с ноутбука на распределенный кластер. Шаблоны распределенного машинного обучения научат масштабировать модели машинного обучения от ноутбука до больших распределенных кластеров. В нем вы узнаете, как применять установленные шаблоны распределенных систем к проектам машинного обучения, а также изучите новые шаблоны, специфичные для ML. Прочно укоренившаяся в реальном мире, эта книга демонстрирует, как применять паттерны на примерах, основанных на TensorFlow, Kubernetes, Kubeflow и Argo Workflows. Реальные сценарии, практические проекты и четкие практические методы DevOps позволяют легко запускать, управлять и контролировать распределенные конвейеры машинного обучения, встроенные в облако. Для аналитиков данных, специалистов по анализу данных и инженеров-программистов, владеющих основами алгоритмов машинного обучения и работающих с машинным обучением на производстве. Читатели должны быть знакомы с основами Bash, Python и Docker.
Plantillas prácticas para escalar el aprendizaje automático de una computadora portátil a un clúster distribuido. Las plantillas de aprendizaje automático distribuido enseñarán a escalar modelos de aprendizaje automático desde una computadora portátil hasta grandes clústeres distribuidos. En él aprenderá a aplicar plantillas de sistemas distribuidos instaladas a proyectos de aprendizaje automático, así como a explorar nuevas plantillas específicas de ML. Firmemente arraigado en el mundo real, este libro demuestra cómo aplicar patrones basados en ejemplos basados en TensorFlow, Kubernetes, Kubeflow y Argo Workflows. Los escenarios reales, los proyectos prácticos y las técnicas prácticas claras de DevOps permiten ejecutar, gestionar y controlar fácilmente los transportadores de aprendizaje automático distribuidos integrados en la nube. Para analistas de datos, analistas de datos e ingenieros de software que poseen los fundamentos de los algoritmos de aprendizaje automático y trabajan con el aprendizaje automático en la producción. Los lectores deben estar familiarizados con los fundamentos de Bash, Python y Docker.
Modelos práticos para escalar o aprendizado de máquina de um laptop para um cluster distribuído. Modelos de aprendizado de máquina distribuída ensinam a escalar modelos de aprendizado de máquina de laptop para grandes clusters distribuídos. Nele, você vai aprender como aplicar modelos instalados de sistemas distribuídos a projetos de aprendizado de máquina e estudar novos modelos específicos para ML. Fortemente enraizado no mundo real, este livro demonstra como aplicar pattern em exemplos baseados em TensorFlow, Kubernetes, Kubeflow e Argo Workflows. Cenários reais, projetos práticos e práticas claras de DevOps permitem fácil execução, controle e controle das linhas de montagem distribuídas de aprendizagem de máquina incorporadas à nuvem. Para analistas de dados, especialistas em análise de dados e engenheiros de software que possuem os principais algoritmos de aprendizagem de máquinas e que trabalham com aprendizado de máquinas na produção. Os leitores devem estar familiarizados com os fundamentos de Bash, Python e Docker.
Modelli pratici per scalare l'apprendimento automatico da un notebook a un cluster distribuito. I modelli di apprendimento automatico distribuito insegnano a scalare i modelli di apprendimento automatico dal notebook ai grandi cluster distribuiti. In esso si imparerà come applicare i modelli di sistema distribuiti installati ai progetti di apprendimento automatico e si studieranno nuovi modelli specifici per ML. Molto radicato nel mondo reale, questo libro dimostra come applicare pattern su esempi basati su TensorFlow, Kubernets, Kubeflow e Argo Workflows. Scenari reali, progetti pratici e metodi pratici chiari permettono di avviare, gestire e controllare facilmente le catene distribuite di apprendimento automatico integrate nel cloud. Per gli analisti di dati, gli esperti di analisi dei dati e gli ingegneri di programmazione che possiedono algoritmi di apprendimento automatico e lavorano con apprendimento automatico sul lavoro. I lettori dovrebbero conoscere le basi di Bash, Python e Docker.
Modèles pratiques pour mettre à l'échelle l'apprentissage automatique d'un ordinateur portable à un cluster distribué. Les modèles d'apprentissage automatique distribué apprendront à mettre à l'échelle les modèles d'apprentissage automatique, de l'ordinateur portable aux grands clusters distribués. Vous y apprendrez comment appliquer les modèles de systèmes distribués installés à des projets d'apprentissage automatique et vous explorerez de nouveaux modèles spécifiques à ML. Fermement ancré dans le monde réel, ce livre montre comment appliquer des modèles basés sur des exemples basés sur TensorFlow, Kubernetes, Kubeflow et Argo Workflows. Les scénarios réels, les projets pratiques et les pratiques claires de DevOps vous permettent d'exécuter, de gérer et de contrôler facilement les pipelines d'apprentissage automatique distribués intégrés au cloud. Pour les analystes de données, les spécialistes de l'analyse de données et les ingénieurs logiciels qui possèdent les bases des algorithmes d'apprentissage automatique et travaillent avec l'apprentissage automatique sur le lieu de travail. Les lecteurs doivent connaître les bases de Bash, Python et Docker.
Praktische Vorlagen zur Skalierung des maschinellen Lernens von einem Laptop auf einen verteilten Cluster. Verteilte Machine-Learning-Vorlagen lehren Sie, wie Sie Machine-Learning-Modelle vom Laptop bis zu großen, verteilten Clustern skalieren können. Darin erfahren Sie, wie Sie etablierte Distributed-System-Templates auf Machine-Learning-Projekte anwenden und neue ML-spezifische Templates erlernen. Fest in der realen Welt verwurzelt, zeigt dieses Buch, wie Muster anhand von Beispielen auf Basis von TensorFlow, Kubernetes, Kubeflow und Argo Workflows angewendet werden können. Reale Szenarien, Hands-on-Projekte und klare DevOps-Hands-on-Methoden machen es einfach, verteilte, in die Cloud eingebettete Machine-Learning-Pipelines zu starten, zu verwalten und zu überwachen. Für Datenanalysten, Datenwissenschaftler und Softwareingenieure, die die Grundlagen von maschinellen Lernalgorithmen beherrschen und mit maschinellem Lernen in der Produktion arbeiten. Leser sollten mit den Grundlagen von Bash, Python und Docker vertraut sein.