Familiarizează-te cu o nouă abordare unificată pentru construirea sistemelor de învățare automată (ML) folosind date batch, date în timp real și modele mari de limbaj (LLM-uri) bazate pe conducte ML independente, modulare și un strat comun de date. Cu această carte practică, oamenii de știință în date și inginerii ML vor învăța în detaliu cum să dezvolte, să mențină și să opereze sisteme ML modulare.

Autorul Jim Dowling introduce principii și practici fundamentale de MLOps pentru dezvoltarea și operarea sistemelor ML fiabile și descrie platforma principală de date pe care o vei folosi pentru a construi și opera sistemele ML: feature store-ul. Prin exemple, vei vedea cum feature store-ul ajută la rezolvarea celei mai dificile probleme în ML - datele. În procesul de construire a sistemelor, vei trece fără probleme de la gestionarea seturilor incrementale de date pentru antrenare și ajustare fină la accesul în timp real la date și generarea augmentată cu recuperare pentru sistemele ML online.

Cu această carte, vei putea:

• Face saltul de la antrenarea modelelor ML la construirea sistemelor ML
• Dezvolta un sistem ML ca pipelines modulare pentru caracteristici, antrenare și inferență
• Proiecta, dezvolta și opera sisteme batch ML, sisteme ML în timp real și sisteme LLM ajustate fin cu generare augmentată cu recuperare
• Învăța problemele pe care le rezolvă un feature store pentru ML atunci când construiești sisteme ML
• Înțelege principiile MLOps pentru dezvoltarea și actualizarea sigură a sistemelor ML

Jim Dowling este CEO al Hopsworks și profesor asociat la KTH Royal Institute of Technology din Stockholm, Suedia.

Pagini: 450, Dimensiuni: 17.8x17.8cm