Запознайте се с нов унифициран подход за изграждане на системи за машинно обучение (ML) с пакетни данни, данни в реално време и големи езикови модели (LLM), базирани на независими, модулни ML пайплайни и споделен слой за данни. С тази практическа книга, специалистите по данни и ML инженерите ще научат подробно как да разработват, поддържат и управляват модулни ML системи.

Авторът Джим Доулинг представя основните принципи и практики на MLOps за разработване и управление на надеждни ML системи и описва ключовата платформа за данни, която ще използвате за изграждане и управление на вашите ML системи: feature store (магазин за характеристики). Чрез примери ще разгледате как feature store помага за решаването на най-трудния проблем в ML - данните. При изграждане на системи, ще преминавате безпроблемно от управление на инкрементални набори от данни за обучение и фина настройка към достъп в реално време и генериране, допълнено с търсене, за онлайн ML системи.

С тази книга ще можете да:

• Направите прехода от обучение на ML модели към изграждане на ML системи
• Развивате ML система като модулни пайплайни за характеристики, обучение и извеждане
• Проектирате, разработвате и управлявате пакетни ML системи, ML системи в реално време и фино настроени LLM системи с генериране, допълнено с търсене
• Разберете проблемите, които feature store решава при изграждането на ML системи
• Осъзнаете принципите на MLOps за разработване и безопасно обновяване на ML системи

Джим Доулинг е главен изпълнителен директор на Hopsworks и доцент в Кралския технологичен институт KTH в Стокхолм, Швеция.

Страници: 450, Размери: 17.8x17.8см