Создание конвейеров машинного обучения: автоматизация жизненного цикла модели с помощью Tensorflow

Компании тратят миллиарды на проекты машинного обучения, но если модели невозможно эффективно внедрить, деньги будут потрачены впустую. В этом практическом руководстве Ханнес Хапке и Кэтрин Нельсон расскажут вам, как автоматизировать конвейер машинного обучения с использованием экосистемы TensorFlow. Вы изучите методы и инструменты, которые сократят время развертывания с дней до минут, чтобы вы могли сосредоточиться на разработке новых моделей, а не на обслуживании устаревших систем. Специалисты по данным, инженеры по машинному обучению и инженеры DevOps узнают, как выйти за рамки разработки моделей и успешно реализовать свои проекты по науке о данных, а менеджеры лучше поймут, какую роль они играют в ускорении этих проектов. Понимание шагов по созданию конвейера машинного обучения. Создайте свой конвейер, используя компоненты из TensorFlow Extended. Организуйте свой конвейер машинного обучения с помощью конвейеров Apache Beam, Apache Airflow и Kubeflow. Работайте с данными с помощью проверки данных TensorFlow и TensorFlow Transform. Подробный анализ модели с помощью анализа модели TensorFlow. Проверка справедливости и предвзятости. в производительности вашей модели. Развертывайте модели с помощью TensorFlow Serving или TensorFlow Lite для мобильных устройств. Изучите методы машинного обучения, сохраняющие конфиденциальность.