Kubeflow pour l'apprentissage automatique

Si tu es en train de former un modèle d'apprentissage automatique mais que tu ne sais pas comment le mettre en production, ce livre te permettra d'y arriver. Kubeflow fournit une collection d'outils natifs du cloud pour les différentes étapes du cycle de vie d'un modèle, depuis l'exploration des données, la préparation des fonctionnalités et l'entraînement du modèle jusqu'au service du modèle. Ce guide aide les scientifiques des données à construire des implémentations d'apprentissage automatique de niveau production avec Kubeflow et montre aux ingénieurs des données comment rendre les modèles évolutifs et fiables.

À l'aide d'exemples tout au long du livre, les auteurs Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu et Boris Lublinsky expliquent comment utiliser Kubeflow pour former et servir tes modèles d'apprentissage automatique au-dessus de Kubernetes dans le cloud ou dans un environnement de développement sur site.

• Comprendre la conception de Kubeflow, ses composants de base et les problèmes qu'il résout.
• Comprendre les différences entre Kubeflow sur différents types de clusters.
• Former des modèles en utilisant Kubeflow avec des outils populaires, notamment Scikit-learn, TensorFlow et Apache Spark.
• Maintenir ton modèle à jour grâce aux pipelines Kubeflow.
• Comprendre comment capturer les métadonnées d'entraînement des modèles.
• Explorer comment étendre Kubeflow avec des outils open source supplémentaires.
• Utiliser le réglage des hyperparamètres pour la formation
• Apprends à servir ton modèle en production