Artículos relacionados a Practical Deep Learning at Scale with MLflow: Bridge...
Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production - Tapa blanda
- EditorialPackt Publishing
- Año de publicación2022
- ISBN 10 1803241330
- ISBN 13 9781803241333
- EncuadernaciónTapa blanda
- IdiomaInglés
- Número de páginas288
Comprar nuevo
Ver este artículo
EUR 48,21
EUR 4,73 gastos de envío desde Reino Unido a España
Destinos, gastos y plazos de envíoResultados de la búsqueda para Practical Deep Learning at Scale with MLflow: Bridge...
Imagen de archivo
Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production
Publicado por
Packt Publishing, 2022
ISBN 10: 1803241330
ISBN 13: 9781803241333
Antiguo o usado
paperback
Librería: Studibuch, Stuttgart, Alemania
Calificación del vendedor: 5 de 5 estrellas
paperback. Condición: Sehr gut. 288 Seiten; 9781803241333.2 Gewicht in Gramm: 1. Nº de ref. del artículo: 890048
Cantidad disponible: 1 disponibles
Imagen de archivo
Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production
Librería: Ria Christie Collections, Uxbridge, Reino Unido
Calificación del vendedor: 5 de 5 estrellas
Condición: New. In. Nº de ref. del artículo: ria9781803241333_new
Cantidad disponible: Más de 20 disponibles
Imagen de archivo
Practical Deep Learning at Scale with MLflow
Impresión bajo demandaLibrería: PBShop.store UK, Fairford, GLOS, Reino Unido
Calificación del vendedor: 4 de 5 estrellas
PAP. Condición: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Nº de ref. del artículo: L0-9781803241333
Cantidad disponible: Más de 20 disponibles
Imagen de archivo
Practical Deep Learning at Scale with MLflow
Impresión bajo demandaLibrería: PBShop.store US, Wood Dale, IL, Estados Unidos de America
Calificación del vendedor: 5 de 5 estrellas
PAP. Condición: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. Nº de ref. del artículo: L0-9781803241333
Cantidad disponible: Más de 20 disponibles
Imagen de archivo
Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production
Librería: California Books, Miami, FL, Estados Unidos de America
Calificación del vendedor: 5 de 5 estrellas
Condición: New. Nº de ref. del artículo: I-9781803241333
Cantidad disponible: Más de 20 disponibles
Imagen de archivo
Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production
Publicado por
Packt Publishing Limited, 2022
ISBN 10: 1803241330
ISBN 13: 9781803241333
Nuevo
Paperback / softback
Librería: THE SAINT BOOKSTORE, Southport, Reino Unido
Calificación del vendedor: 5 de 5 estrellas
Paperback / softback. Condición: New. This item is printed on demand. New copy - Usually dispatched within 5-9 working days 100. Nº de ref. del artículo: C9781803241333
Cantidad disponible: Más de 20 disponibles
Imagen del vendedor
Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production (Paperback or Softback)
Publicado por
Packt Publishing 7/8/2022, 2022
ISBN 10: 1803241330
ISBN 13: 9781803241333
Nuevo
Paperback or Softback
Librería: BargainBookStores, Grand Rapids, MI, Estados Unidos de America
Calificación del vendedor: 5 de 5 estrellas
Paperback or Softback. Condición: New. Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production 1.1. Book. Nº de ref. del artículo: BBS-9781803241333
Cantidad disponible: 5 disponibles
Imagen de archivo
Practical Deep Learning at Scale with MLflow
Publicado por
Packt Publishing, Limited, 2022
ISBN 10: 1803241330
ISBN 13: 9781803241333
Nuevo
Tapa blanda
Librería: Majestic Books, Hounslow, Reino Unido
Calificación del vendedor: 5 de 5 estrellas
Condición: New. Print on Demand pp. 242. Nº de ref. del artículo: 402458442
Cantidad disponible: 4 disponibles
Imagen del vendedor
Practical Deep Learning at Scale with MLflow
Librería: moluna, Greven, Alemania
Calificación del vendedor: 5 de 5 estrellas
Condición: New. Über den AutorrnrnYong Liu has been working in big data science, machine learning, and optimization since his doctoral student years at the University of Illinois at Urbana-Champaign (UIUC) and later as a senior research scientist and princ. Nº de ref. del artículo: 663126390
Cantidad disponible: Más de 20 disponibles
Imagen del vendedor
Practical Deep Learning at Scale with MLflow : Bridge the gap between offline experimentation and online production
Impresión bajo demandaLibrería: AHA-BUCH GmbH, Einbeck, Alemania
Calificación del vendedor: 5 de 5 estrellas
Taschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Train, test, run, track, store, tune, deploy, and explain provenance-aware deep learning models and pipelines at scale with reproducibility using MLflowKey Features:Focus on deep learning models and MLflow to develop practical business AI solutions at scaleShip deep learning pipelines from experimentation to production with provenance trackingLearn to train, run, tune and deploy deep learning pipelines with explainability and reproducibilityBook Description:The book starts with an overview of the deep learning (DL) life cycle and the emerging Machine Learning Ops (MLOps) field, providing a clear picture of the four pillars of deep learning: data, model, code, and explainability and the role of MLflow in these areas.From there onward, it guides you step by step in understanding the concept of MLflow experiments and usage patterns, using MLflow as a unified framework to track DL data, code and pipelines, models, parameters, and metrics at scale. You'll also tackle running DL pipelines in a distributed execution environment with reproducibility and provenance tracking, and tuning DL models through hyperparameter optimization (HPO) with Ray Tune, Optuna, and HyperBand. As you progress, you'll learn how to build a multi-step DL inference pipeline with preprocessing and postprocessing steps, deploy a DL inference pipeline for production using Ray Serve and AWS SageMaker, and finally create a DL explanation as a service (EaaS) using the popular Shapley Additive Explanations (SHAP) toolbox.By the end of this book, you'll have built the foundation and gained the hands-on experience you need to develop a DL pipeline solution from initial offline experimentation to final deployment and production, all within a reproducible and open source framework.What You Will Learn:Understand MLOps and deep learning life cycle developmentTrack deep learning models, code, data, parameters, and metricsBuild, deploy, and run deep learning model pipelines anywhereRun hyperparameter optimization at scale to tune deep learning modelsBuild production-grade multi-step deep learning inference pipelinesImplement scalable deep learning explainability as a serviceDeploy deep learning batch and streaming inference servicesShip practical NLP solutions from experimentation to productionWho this book is for:This book is for machine learning practitioners including data scientists, data engineers, ML engineers, and scientists who want to build scalable full life cycle deep learning pipelines with reproducibility and provenance tracking using MLflow. A basic understanding of data science and machine learning is necessary to grasp the concepts presented in this book. Nº de ref. del artículo: 9781803241333
Cantidad disponible: 1 disponibles