Wczytuję dane...

Spark Rozproszone uczenie maszynowe na dużą skalę

Zasoby dotyczące bezpieczeństwa i produktów

Załączniki bezpieczeństwa

Załczniki do produktu

Załączniki dotyczące bezpieczeństwa produktu zawierają informacje o opakowaniu produktu i mogą dostarczać kluczowych informacji dotyczących bezpieczeństwa konkretnego produktu
Informacje o producencie

Informacje o producencie

Informacje dotyczące produktu obejmują adres i powiązane dane producenta produktu.

Helion
Osoba odpowiedzialna w UE

Osoba odpowiedzialna w UE

Podmiot gospodarczy z siedzibą w UE zapewniający zgodność produktu z wymaganymi przepisami.

Produkt dostępny!

50,39 PLN

Cena rynkowa: 74.90 PLN

KUP TERAZ!

Opis produktu
Dane techniczne

Jeśli chcesz dostosować swoją pracę do większych zbiorów danych i bardziej złożonych kodów, potrzebna Ci jest znajomość technik rozproszonego uczenia maszynowego. W tym celu warto poznać frameworki Apache Spark, PyTorch i TensorFlow, a także bibliotekę MLlib. Biegłość w posługiwaniu się tymi narzędziami przyda Ci się w całym cyklu życia oprogramowania ? nie tylko ułatwi współpracę, ale również tworzenie powtarzalnego kodu.
Dzięki tej książce nauczysz się holistycznego podejścia, które zdecydowanie usprawni współpracę między zespołami. Najpierw zapoznasz się z podstawowymi informacjami o przepływach pracy związanych z uczeniem maszynowym przy użyciu Apache Spark i pakietu PySpark. Nauczysz się też zarządzać cyklem życia eksperymentów dla potrzeb uczenia maszynowego za pomocą biblioteki MLflow. Z kolejnych rozdziałów dowiesz się, jak od strony technicznej wygląda korzystanie z platformy uczenia maszynowego. W książce znajdziesz również opis wzorców wdrażania, wnioskowania i monitorowania modeli w środowisku produkcyjnym.
Najciekawsze zagadnienia:
* cykl życia uczenia maszynowego i MLflow
* inżynieria cech i przetwarzanie wstępne za pomocą Sparka
* szkolenie modelu i budowa potoku
* budowa systemu danych z wykorzystaniem uczenia głębokiego
* praca TensorFlow w trybie rozproszonym
* skalowanie systemu i tworzenie jego wewnętrznej architektury
Właśnie takiej książki społeczność Sparka wyczekuje od dekady!
Andy Petrella, autor książki Fundamentals of Data Observability