機器學習工程實戰中教你設計、構建和交付成功的機器學習項目的核心原則和實踐。您將發現軟件工程技術，如在您的原型上進行實驗和實現模塊化設計，從而產生彈性架構和一致的跨團隊通信。基于作者豐富的經驗，本書中的每一種方法都被用于解決現實世界的項目。
//www.manning.com/books/machine-learning-engineering-in-action
本書有三個主要部分，介紹了ML項目中的里程碑。在“我們試圖解決什么?”到“我們如何在未來幾年保持這個解決方案的相關性?”，這本書回顧了這些主要時期，其邏輯順序與你在完成一個項目時考慮這些主題的順序相同:
-
第1部分(第1 - 8章)主要從團隊領導、經理或項目領導的角度關注ML項目的管理。它為范圍、實驗、原型和包容性反饋制定了藍圖，以幫助您避免陷入構建解決方案的陷阱。
-
第2部分(第9-13章)介紹了ML項目的開發過程。通過ML解決方案開發的示例(好的和壞的)，本節將帶您了解經過驗證的構建、調優、日志記錄和評估ML解決方案的方法，以確保您構建的是最簡單和最易維護的代碼。
-
第3部分(第14-16章)關注“之后”:具體地說，與簡化產品發布、再訓練、監控和項目歸屬相關的考慮。通過重點介紹A/B測試、特征存儲和被動再訓練系統的示例，將向您展示如何實現系統和體系結構，以確保您正在構建最低限度復雜的解決方案，以使用ML解決業務問題。
付費5元查看完整內容
相關內容
在MLOps工程中，你將學到:
提取、轉換和加載數據集 使用SQL查詢數據集 理解PyTorch中的自動區分 將模型訓練管道部署為服務端點 監視和管理管道的生命周期 測量的性能改進
MLOps Engineering at Scale教你如何使用AWS和其他云供應商的預構建服務來實現高效的機器學習系統。即使您以前從未使用過云平臺，這本易于遵循的書也會逐步指導您設置無服務器ML基礎設施。您還將探索諸如PyTorch Lightning、Optuna和MLFlow等工具，這些工具可以輕松地構建管道并在生產中擴展您的深度學習模型。
//www.manning.com/books/mlops-engineering-at-scale
**本書由三部分組成。**在第1部分中，我列出了將機器學習系統投入生產的場景，描述了實驗機器學習代碼和生產機器學習系統之間的工程差距，并解釋了無服務器機器學習如何幫助彌合這一差距。的第1部分,我將教會你如何使用公共云的serverless特性(Amazon Web Services)開始使用一個真實的機器學習用例,準備一個工作機器學習的數據集的用例,并確保你準備機器學習應用到用例。在第2部分中，我將介紹如何使用PyTorch深度學習框架為結構化數據集開發模型，解釋如何在云中分布和擴展機器學習模型訓練，并展示如何部署經過訓練的機器學習模型以根據用戶需求進行擴展。在此過程中，您將學習評估和評估替代機器學習模型實現的性能，以及如何為用例選擇正確的機器學習模型。在第3部分中，我將向您介紹機器學習實踐者經過戰斗測試的技術，并涵蓋特征工程、超參數調整和機器學習流水線組裝。讀完這本書，您將建立一個機器學習平臺，它吸收原始數據，為機器學習做好準備，應用特征工程，并訓練高性能、超參數調整的機器學習模型。
付費5元查看完整內容
自動化機器學習(AutoML)的目標是讓每個人都能使用機器學習(ML)，包括醫生、土木工程師、材料科學家、小企業主，以及統計學家和計算機科學家。這一長期愿景與微軟office的愿景非常相似——讓普通用戶能夠輕松地創建文檔和準備報告——以及智能手機中的攝像頭，方便隨時隨地拍攝照片。盡管ML社區為實現這一目標付出了大量的研發努力，但通過與領域專家和數據科學家的合作，我們認為人們對揭示AutoML背后的魔力有著很高的需求，包括基本概念、算法和工具。
《自動機器學習實戰（Automated Machine Learning in Action）》揭示了如何自動化設計和調整機器學習系統的繁瑣元素。它是用簡單易懂的方式編寫的，并且充滿了將AutoML技術應用到管道的每個階段的實踐示例。AutoML甚至可以由機器學習新手來實現!如果你是ML的新手，你會欣賞這本書如何讓你了解機器學習的基礎知識。有經驗的實踐者會喜歡學習AutoKeras和KerasTuner這樣的自動化工具如何創建管道，自動為您的任務選擇最佳方法，或者使用用戶定義的超參數調優任何定制的搜索空間，這消除了手動調優的負擔。
在Automated Machine Learning In Action中，您將學習如何:
- 通過自動調整超參數來改進機器學習模型
- 選擇用于創建和改進管道的最佳組件
- 使用AutoML工具包，如AutoKeras和KerasTuner
- 設計和實現搜索算法，為您的ML任務找到最佳組件
- 使用數據并行、模型預訓練和其他技術加速AutoML過程
付費5元查看完整內容
本書中的設計模式捕捉了機器學習中反復出現的問題的最佳實踐和解決方案。作者是三位谷歌工程師，他們列出了經過驗證的方法，以幫助數據科學家解決ML過程中的常見問題。這些設計模式將數百位專家的經驗整理成簡單、可接近的建議。
在這本書中，你會發現關于數據和問題表示、操作化、可重復性、可再現性、靈活性、可解釋性和公平性的30種模式的詳細解釋。每個模式都包含對問題的描述、各種可能的解決方案，以及針對您的情況選擇最佳技術的建議。
您將學習如何: 在訓練、評估和部署ML模型時，確定并減輕常見的挑戰 表示不同ML模型類型的數據，包括嵌入、特征交叉等 針對具體問題選擇合適的模型類型 構建一個魯棒的訓練循環，使用檢查點、分布策略和超參數調優 部署可擴展的ML系統，您可以重新訓練和更新這些系統，以反映新的數據 為利益相關者解釋模型預測，并確保模型公平地對待用戶
//www.oreilly.com/library/view/machine-learning-design/9781098115777/
Preface
-
The Need for Machine Learning Design Patterns
-
Data Representation Design Patterns
-
Problem Representation Design Patterns
-
Model Training Patterns
-
Design Patterns for Resilient Serving
-
Reproducibility Design Patterns
-
Responsible AI
-
Connected Patterns
Index
付費5元查看完整內容
Kafka in Action介紹了Kafka的核心特性，以及如何在實際應用中使用它的相關例子。在其中，您將探索最常見的用例，如日志記錄和管理流數據。當你完成之后，你就可以在一個以Kafka為中心的團隊中處理基于開發者和管理員的基本任務了。
//www.manning.com/books/kafka-in-action
這本書分三部分，共十二章。第一部分介紹了一個Kafka的心智模型，并討論了為什么你會在現實世界中使用Kafka:
第一章介紹了Kafka，拒絕了一些神秘性，并提供了一些真實案例。
第二章研究了Kafka的高層架構，以及一些重要的術語。
第二部分將介紹卡夫卡的核心部分。這包括客戶端和集群本身:
? 第3章著眼于Kafka何時適合你的項目，以及如何設計一個新項目。我們還討論了在啟動Kafka項目時應該考慮模式的需求，而不是在以后。
? 第4章將詳細介紹如何創建一個生產者客戶端，以及你可以使用哪些選項來影響數據進入Kafka集群的方式。
? 第5章將第4章的重點翻轉過來，看看如何通過消費者客戶端從Kafka獲取數據。我們引入偏移量和重新處理數據的思想，因為我們可以利用保留消息的存儲方面。
? 第6章討論了broker在集群中的角色以及它們是如何與客戶端交互的。探討了各種組件，例如控制器和副本。
? 第7章探討了主題和分區的概念。這包括如何壓縮主題以及如何存儲分區。
? 第8章討論了處理需要保留或重新處理的數據的工具和體系結構。需要將數據保留幾個月或幾年可能會導致您評估集群之外的存儲選項。
? 第9章結束了第2部分，回顧了必要的日志、指標和管理職責，以幫助保持集群健康。
付費5元查看完整內容
機器學習(ML)已經成為我們日常生活中的一個常見元素，也是許多科學和工程領域的標準工具。為了優化ML的使用，理解其基本原理是必要的。
這本書接近ML作為科學原理的計算實現。這一原則包括不斷調整給定數據生成現象的模型，將其預測所產生的某種形式的損失最小化。
本書訓練讀者在數據、模型和損失方面分解各種ML應用程序和方法，從而幫助他們從大量現成的ML方法中選擇。
本書的ML的三部分方法提供了廣泛的概念和技術的統一覆蓋。作為一個恰當的例子，正則化技術、隱私保護技術以及可解釋性技術等同于模型、數據和ML方法丟失的特定設計選擇。
//link.springer.com/book/10.1007/978-981-16-8193-6#toc
付費5元查看完整內容
《微前端實戰》教你如何將微前端沿理論付諸實踐。Frontend專家Michael Geers將向您介紹一個完整的電子商務示例應用程序，該應用程序演示了大型業務應用程序如何采用微前端方法。您將了解集成web應用程序組成的小片段使用工具,如web組件或服務器端包括如何解決組織微前端的挑戰,以及如何創建一個設計系統,確保最終用戶為應用程序得到一個一致的外觀和感覺。當您完成時，您將能夠更好地分配您的團隊的技能和資源，以快速和靈活地交付高質量的軟件。
里面有什么
- 使用iframe、AJAX、服務器端包含、web組件和應用程序-shell方法應用集成策略
- 優化性能和資產交付策略
- 設計一致的用戶界面
- 遷移到一個微frontend架構
付費5元查看完整內容
在簡單介紹了微服務安全性的挑戰之后，該書涵蓋了保護應用程序邊界和服務對服務通信的基礎知識。通過一個實際示例，讀者將了解如何在API網關后部署和保護微服務，以及如何訪問由單頁應用程序(SPA)訪問的微服務。
《Microservices Security in Action》提供了各種解決方案，介紹了節流和監視、訪問控制以及微服務到微服務通信的最佳實踐。詳細的代碼示例、練習和實際用例可以幫助您將學到的知識應用到生產環境中。在此過程中，作者和軟件安全專家Prabath Siriwardena和Nuwan Dias介紹了一些重要的概念，如節流、分析收集、API網關的訪問控制和微服務到微服務通信。您還將了解如何使用最先進的技術(包括Kubernetes、Docker和Istio服務網格)安全地部署微服務。這篇簡單的指南以安全流程回顧和最佳實踐作為結束語。讀完本文后，您就可以滿懷信心地規劃、設計和實現微服務應用程序了，因為知道它們是安全的!
付費5元查看完整內容
Elm不僅僅是一種前沿的編程語言，它還為開發人員提供了一個升級構建web應用程序的方式的機會。
Elm in Action教會讀者如何使用Elm語言構建設計良好、性能良好的web應用程序。在閱讀過程中，他們將學習一個名為Photo Groove的應用程序，該程序將向他們展示如何構建應用程序的域和行為，如何維護一個令人愉快的模塊化架構，以及如何使用Elm語言交付高質量的產品。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191