Apprendre AutoML (French Edition)

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com

Learning AutoML est ton guide pratique pour appliquer l'apprentissage automatique des machines dans des environnements réels. Que tu sois data scientist, ingénieur ML ou chercheur en IA, ce livre t'aide à aller au-delà de l'expérimentation pour construire et déployer des modèles performants avec moins de réglages manuels et plus d'automatisation. En utilisant AutoGluon comme boîte à outils principale, tu apprendras à construire, évaluer et déployer des modèles AutoML qui réduisent la complexité et accélèrent l'innovation.

L'auteur Kerem Tomak partage des idées sur la façon d'intégrer les modèles dans les flux de travail de déploiement de bout en bout en utilisant des outils populaires comme Kubeflow, MLflow et Airflow, tout en explorant des approches multiplateformes avec Vertex AI, SageMaker Autopilot, Azure AutoML, Auto-sklearn et H2O.ai. Des études de cas réels mettent en lumière des applications dans les domaines de la finance, de la santé et de la vente au détail, tandis que des chapitres sur l'éthique, la gouvernance et l'IA agentique permettent de pérenniser tes connaissances.

• Construire des pipelines AutoML pour les données tabulaires, textuelles, d'images et de séries temporelles.
• Déployer des modèles avec des flux de travail rapides et évolutifs en utilisant les meilleures pratiques de MLOps.
• Comparer et naviguer dans les principales plateformes AutoML d'aujourd'hui.
• Interpréter les résultats des modèles et prendre des décisions éclairées grâce aux outils d'explication
• Explorer comment AutoML mène aux systèmes d'IA agentiques de la prochaine génération