Connecting readers with great books since 1972! Used textbooks may not include companion materials such as access codes, etc. May have some wear or writing/highlighting. We ship orders daily and Customer Service is our top priority!

N� de ref. del art�culo S_448500310

Contactar al vendedor

Denunciar este art�culo

Detalles bibliogr�ficos

T�tulo: Practical Deep Learning at Scale with MLflow: Bridge the gap between offline experimentation and online production
Editor: Packt Publishing
Fecha de publicaci�n: 2022
Idioma: Ingl�s
ISBN 10: 1803241330
ISBN 13: 9781803241333
Encuadernaci�n: paperback
Estado: Good

Acerca de

Sinopsis

Train, test, run, track, store, tune, deploy, and explain provenance-aware deep learning models and pipelines at scale with reproducibility using MLflow

Key Features

Focus on deep learning models and MLflow to develop practical business AI solutions at scale
Ship deep learning pipelines from experimentation to production with provenance tracking
Learn to train, run, tune and deploy deep learning pipelines with explainability and reproducibility

Book 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 development
Track deep learning models, code, data, parameters, and metrics
Build, deploy, and run deep learning model pipelines anywhere
Run hyperparameter optimization at scale to tune deep learning models
Build production-grade multi-step deep learning inference pipelines
Implement scalable deep learning explainability as a service
Deploy deep learning batch and streaming inference services
Ship practical NLP solutions from experimentation to production

Who 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.

Deep Learning Life Cycle and MLOps Challenges
Getting Started with MLflow for Deep Learning
Tracking Models, Parameters, and Metrics
Tracking Code and Data Versioning
Running DL Pipelines in Different Environments
Running Hyperparameter Tuning at Scale
Multi-Step Deep Learning Inference Pipeline
Deploying a DL Inference Pipeline at Scale
Fundamentals of Deep Learning Explainability
Implementing DL Explainability with MLflow

Acerca del autor

Yong 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 principal investigator at the National Center for Supercomputing Applications (NCSA), where he led data science R&D projects funded by the National Science Foundation and Microsoft Research. He then joined Microsoft and AI/ML start-ups in the industry. He has shipped ML and DL models to production and has been a speaker at the Spark/Data+AI summit and NLP summit. He has recently published peer-reviewed papers on deep learning, linked data, and knowledge-infused learning at various ACM/IEEE conferences and journals.

"Sobre este t�tulo" puede pertenecer a otra edici�n de este libro.

Descripci�n de la librer�a

Half Price Books has been connecting readers to great books since 1972. Customer service is our top priority.

Ver la p�gina web de la librer�a

Informaci�n empresarial del vendedor

Half Price Books, Records, Magazines, Inc.
5803 E. Northwest Hwy., Dallas, TX, 75231, U.S.A.

Condiciones de venta y env�o

Condiciones de venta

Derecho a cancelaci�n

Si eres un consumidor puedes cancelar el presente contrato de acuerdo con lo indicado a continuaci�n. Son consumidores las personas f�sicas que act�en con un prop�sito ajeno a su actividad comercial, empresarial, oficio o profesi�n.

Documento de informaci�n al consumidor y usuario sobre el desistimiento

Derecho de desistimiento:

Tienes derecho a desistir del presente contrato en un plazo de 14 d�as naturales sin necesidad de justificaci�n.

El plazo de desistimiento expirar� a los 14 d�as naturales del d�a en que t� o un tercero que hayas indicado, distinto del transportista, adquiera la posesi�n material del �ltimo bien, componente o pieza.

Para ejercer el derecho de desistimiento, deber�s notificarnos a HPB-Red, 5803 E. Northwest Hwy., 75231, Dallas, Texas, U.S.A., +1 214-819-9556, de tu decisi�n de desistir del contrato a trav�s de una declaraci�n inequ�voca (por ejemplo, una carta enviada por correo postal, fax o correo electr�nico). Podr�s utilizar el modelo de formulario de desistimiento que figura a continuaci�n, aunque su uso no es obligatorio. Tienes asimismo la opci�n de cumplimentar y enviar electr�nicamente el modelo de formulario de desistimiento o cualquier otra declaraci�n inequ�voca a trav�s de nuestro sitio web a "Mis pedidos" en "Mi cuenta". Si recurres a esta opci�n, te comunicaremos sin demora en un soporte duradero (por ejemplo, por correo electr�nico) la recepci�n de dicho desistimiento.

Para cumplir el plazo de desistimiento, basta con que la comunicaci�n relativa al ejercicio por tu parte de este derecho sea enviada antes de que venza el plazo correspondiente.

Consecuencias del desistimiento:

En caso de desistimiento por tu parte, te devolveremos todos los pagos recibidos de ti, incluidos los gastos de entrega (con la excepci�n de los gastos adicionales resultantes de la elecci�n por tu parte de una modalidad de entrega diferente a la modalidad menos costosa de entrega ordinaria que ofrezcamos) sin ninguna demora indebida y, en todo caso, a m�s tardar 14 d�as naturales a partir de la fecha en la que se nos informes de tu decisi�n de desistir del presente contrato. Procederemos a efectuar dicho reembolso utilizando el mismo medio de pago empleado por ti para la transacci�n inicial, a no ser que hayas dispuesto expresamente lo contrario; en todo caso, no incurrir�s en ning�n gasto como consecuencia del reembolso.

Podremos retenerte el reembolso hasta haber recibido los bienes, o hasta que hayas presentado una prueba de la devoluci�n de los mismos, seg�n qu� condici�n se cumpla primero. Deber�s devolvernos o entregarnos directamente los bienes a HPB-Red, 3860 La Reunion Pkwy., 75212, Dallas, Texas, U.S.A., +1 214-819-9556, sin ninguna demora indebida y, en cualquier caso, a m�s tardar en el plazo de 14 d�as naturales a partir de la fecha en que nos comuniques tu decisi�n de desistimiento del contrato. Se considerar� cumplido el plazo si efect�as la devoluci�n de los bienes antes de que haya concluido dicho plazo. Deber�s asumir el coste directo de devoluci�n de los bienes. Solo ser�s responsable de la disminuci�n de valor de los bienes resultante de una manipulaci�n distinta a la necesaria para establecer la naturaleza, las caracter�sticas y el funcionamiento de los bienes.

Excepciones al derecho de desistimiento:

La entrega de peri�dicos, publicaciones especializadas o revistas con la excepci�n de contratos de suscripci�n; y
La entrega de contenido digital (incluyendo apps, MP3, etc.) que no hubiera sido entregado en un medio tangible (por ejemplo: CD o DVD), si al realizar tu pedido has aceptado que podemos proceder al env�o del producto y que no resulta posible su cancelaci�n una vez comienza la entrega.

Modelo de formulario de desistimiento

(S�lo debe cumplimentar y enviar el presente formulario si desea desistir del contrato)

A la atenci�n de: (HPB-Red, 5803 E. Northwest Hwy., 75231, Dallas, Texas, U.S.A., +1 214-819-9556)

Por la presente le comunico/comunicamos* que desisto de mi/desistimos de nuestro* contrato de venta del siguiente bien/prestaci�n del siguiente servicio*

Pedido el/recibido el*:

Nombre del consumidor y usuario o de los consumidores y usuarios:

Domicilio del consumidor y usuario o de los consumidores y usuarios:

Firma del consumidor y usuario o de los consumidores y usuarios (solo si el presente formulario se presenta en papel):

Fecha:

* Eliminar en su caso

Condiciones de env�o

Tarifas de env�o en Estados Unidos de America

Tarifas de env�o en Estados Unidos de America
Cantidad del pedido	De 4 a 14 d�as h�biles	De 2 a 6 d�as h�biles
Primer art�culo	EUR 3.23	EUR 6.02

Los plazos de entrega los establecen los vendedores y var�an seg�n el transportista y la ubicaci�n. Los pedidos que pasan por la aduana pueden sufrir retrasos y los compradores son responsables de los aranceles o tarifas asociadas. Los vendedores pueden ponerse en contacto con usted en relaci�n con cargos adicionales para cubrir cualquier aumento en los costes de env�o de los art�culos.