大规模 MLOps 工程设计，视频版

MLOps Engineering at Scale, Video Edition

 视频说明

在 Video Editions 中，叙述者阅读书籍，同时内容、图形、代码列表、图表和文本显示在屏幕上。就像有声读物一样，您也可以作为视频观看。

避免昂贵且耗时的基础设施任务，并使用 MLOps 和预构建的无服务器工具快速将机器学习模型投入生产！

在 MLOps Engineering at Scale 中，您将学习：

• 提取、转换和加载数据集
• 使用 SQL 查询数据集
• 了解 PyTorch 中的自动微分
• 将模型训练管道部署为服务终端节点
• 监控和管理管道的生命周期
• 衡量性能改进

MLOps 大规模工程设计向您展示了如何使用 AWS 和其他云供应商提供的预构建服务，将机器学习高效地投入生产。您将学习如何快速创建灵活且可扩展的机器学习系统，而无需费力地执行耗时的操作任务或承担昂贵的物理硬件开销。在计算出租车费用的实际使用案例之后，您将使用 AWS 无服务器功能为 PyTorch 模型设计 MLOps 管道。

 关于技术
生产就绪型机器学习系统包括高效的数据管道、集成监控以及根据需求进行扩展和缩减的方法。使用基于云的服务实施 ML 基础设施可缩短开发时间并降低托管成本。无服务器 MLOps 消除了构建和维护自定义基础设施的需要，因此您可以专注于数据、模型和算法。

 关于本书
MLOps 大规模工程将教您如何使用 AWS 和其他云供应商提供的预构建服务实施高效的机器学习系统。这本易于遵循的书将指导您逐步设置无服务器 ML 基础设施，即使您以前从未使用过云平台。您还将探索 PyTorch Lightning、Optuna 和 MLFlow 等工具，这些工具可以轻松构建管道并在生产中扩展深度学习模型。

 里面有什么

• 减少或消除 ML 基础设施管理
• 了解最先进的 MLOps 工具，如 PyTorch、Lightning 和 MLFlow
• 将训练管道部署为服务终端节点
• 监控和管理管道的生命周期
• 衡量性能改进

 关于读者
读者需要了解 Python、SQL 和机器学习的基础知识。无需云经验。

 关于作者
Carl Osipov 于 2000 年实施了他的第一个神经网络，并曾在 Google 和 IBM 从事深度学习和机器学习方面的工作。