MLOps 工程實務:工具、技術與企業級應用

陳雨強//鄭曌//譚中意//盧冕

  • 出版商: 機械工業
  • 出版日期: 2023-09-01
  • 售價: $654
  • 貴賓價: 9.5$621
  • 語言: 簡體中文
  • 頁數: 329
  • 裝訂: 平裝
  • ISBN: 7111733290
  • ISBN-13: 9787111733294
  • 相關分類: Machine Learning
  • 立即出貨 (庫存 < 4)

買這商品的人也買了...

相關主題

商品描述

這是一本能引導企業利用MLOps技術建構可靠、高效、可重複使用、可擴展的機器學習模型從而實現AI工程化落地的著作。
由國內AI領域的獨角獸企業第四範式的聯合創始人和技術VP領銜撰寫,
從工具、技術、企業級應用、成熟度評估4個維度對MLOps進行了全面的講解。
本書的主要內容包括如下9個面向: 
(1)MLOps的核心概念和方法,可以幫助讀者全面了解MLOps的基本原理;
(2) MLOps涉及的幾種角色,以及這些角色之間如何協作;
( 3)機器學習專案的基礎知識和全流程,是學習和應用MLOps的基礎;
(4) MLOps中的資料處理、主要管線工具Airflow和MLflow、
特徵平台和即時特徵平台OpenMLDB、推理工具鏈Adlik,為讀者係統解說 MLOps的技術與工具;
(5)雲端服務供應商的端對端MLOps解決方案;
(6) 第四範式、網易、小米、騰訊、眾安金融等企業的MLOps工程實務案例與經驗; 
(7) MLOps的成熟度模型,以及微軟、谷歌和信通院對MLOps成熟度模型的劃分;
(8)針對不同規模的企業和團隊的MLOps最佳實踐,幫助他們量身定做MLOps策略; 
(9) MLOps的未來發展趨勢,以及如何將新技術融入MLOps實務中。
本書深入淺出、循序漸進地講解瞭如何在實際專案中利用MLOps進行機器學習模型的部署、
監控與優化,以及如何利用MLOps實現持續整合與持續交付等高效的工作流程。
透過企業級的MLOps案例和解決方案,幫助讀者輕鬆掌握MLOps的設計想法以及如何應用MLOps解決實際問題。

目錄大綱

作者簡介
前言
第1章全面了解MLOps
1.1 人工智慧的趨勢與現況
1.1.1 趨勢1:人工智慧在企業中加速落地,彰顯更多業務價值
1.1.2 趨勢2:人工智慧應用從以模式為中心向以資料為中心轉變
1.1.3 現況:人工智慧落地成功率低,成本高
1.2 人工智慧的問題、挑戰以及因應措施
1.2.1 問題1:機器學習程式碼只是整個系統的一小部分
1.2.2 問題2 :數據是最主要的問題
1.2.3 挑戰:人工智慧系統如何規模化落地
1.2.4 因應措施:MLOps
1.3 MLOps簡介
1.3.1 MLOps的定義
1.3.2 MLOps相關的工具和平台
1.3.3 MLOps的優勢
1.4 MLOps與DevOps
1.4.1 DevOps的3個優點
1.4.2 MLOps延續了DevOps的優點
1.4.3 MLOps和DevOps的不同之處
1.4.4 MLOps和DevOps的目標與實踐理念
1.5 MLOps與其他XOps
1.5.1 MLOps與AIOps的區別
1.5.2 MLOps與DataOps的區別
1.5.3 MLOps與ModelOps的區別
1.5.4 XOps的相同點:都基於DevOps原則
1.6 本章小結
第2章MLOps涉及的角色
第3章機器學習專案概論
第4章MLOps中的資料部分
第5章管線工具
第6章特徵平台
第7章即時特性平台OpenMLDB
第8章Adlik推理工具鏈
第9章雲端服務供應商的端對端MLOps解決方案
第10章MLOps在反詐欺與推薦系統中的應用
第11章網易雲音樂實時模型大規模應用之道
第12章小米廣告機器學習平台實踐
第13章騰訊金融推薦中台實踐
第14章眾安金融實時特徵平台實踐
第15章MLOps成熟度模型