Предисловие от издательства
Предисловие
Введение
Глава 1. Введение
Глава 2. Введение в TensorFlow Extended
Глава 3. Загрузка данных
Глава 4. Проверка данных
Глава 5. Предварительная обработка данных
Глава 6. Обучение модели
Глава 7. Анализ и проверка модели
Глава 8. Развертывание модели с помощью TensorFlow Serving
Глава 9. Расширенные концепции развертывания моделей с помощью TensorFlow Serving
Глава 10. Расширенные концепции TensorFlow Extended
Глава 11. Конвейеры, часть 1: Apache Beam и Apache Airflow
Глава 12. Конвейеры, часть 2: Kubeflow Pipelines
Глава 13. Петли обратной связи
Глава 14. Приватность данных, используемых для машинного обучения
Глава 15. Будущее конвейеров машинного обучения и следующие шаги
Приложение A. Введение в инфраструктуру машинного обучения
Приложение B. Настройка кластера Kubernetes в Google Cloud
Приложение C. Советы по работе с Kubeflow Pipelines

Предметный указатель

 В настоящее время компании тратят миллиарды долларов на проекты машинного обучения (МО), но эти средства могут быть потрачены впустую, если при этом не используется эффективное развертывание моделей МО. Перед вами практическое руководство, написанное Х. Хапке и К. Нельсон, с которым вы смело можете отправляться в путь по всем этапам автоматизации конвейера МО, построенного на основе экосистемы TensorFlow. Вы познакомитесь с методами и инструментами, которые существенно сократят время развертывания (с нескольких дней до нескольких минут), чтобы вы могли сосредоточиться на разработке новых моделей, а не на поддержке устаревших систем. Специалисты по анализу данных, инженеры по МО и инженеры DevOps узнают, как выйти за рамки простой разработки моделей и успешно реализовать свои проекты в области науки о данных, а менеджеры лучше поймут, как можно существенно сократить сроки, необходимые для реализации подобных проектов.