Разработка конвейеров машинного обучения : автоматизация жизненных циклов модели с помощью TensorFlow

Содержание книги "Разработка конвейеров машинного обучения : автоматизация жизненных циклов модели с помощью TensorFlow"

Предисловие от издательства
Предисловие
Введение
Для кого предназначена эта книга
Почему мы используем TensorFlow и TensorFlow Extended
Обзор глав
Условные обозначения, используемые в этой книге
Использование примеров кода
Онлайн-обучение O’Reilly
Как с нами связаться
Благодарности
Глава 1. Введение
Почему и где используются конвейеры машинного обучения
Когда следует подумать о конвейерах машинного обучения?
Обзор этапов конвейера машинного обучения
Оркестровка конвейера
Наш демонстрационный проект машинного обучения
Резюме
Глава 2. Введение в TensorFlow Extended
Что такое TFX?
Установка TFX
Обзор компонентов TFX
Что такое метаданные ML Metadata?
Альтернативы TFX
Знакомство с Apache Beam
Резюме
Глава 3. Загрузка данных
Концепции загрузки данных
Подготовка данных
Стратегии загрузки данных
Резюме
Глава 4. Проверка данных
Для чего нужна проверка данных?
TFDV
Распознавание ошибок в данных
Обработка больших наборов данных с помощью Google Cloud Platform
Интеграция TFDV в конвейер машинного обучения
Резюме
Глава 5. Предварительная обработка данных
Для чего нужна предварительная обработка данных
Предварительная обработка данных с помощью TFT
Резюме
Глава 6. Обучение модели
Определение модели для нашего демонстрационного проекта
Компонент TFX Trainer
Использование TensorBoard в интерактивном конвейере
Стратегии распределения
Настройка модели
Резюме
Глава 7. Анализ и проверка модели
Как проанализировать модель
Анализ модели TensorFlow
Анализ достоверности модели
Объяснение модели
Анализ и проверка модели в TFX
Резюме
Глава 8. Развертывание модели с помощью TensorFlow Serving
Простой сервер моделей
Недостатки развертывания моделей с помощью API на основе Python
TensorFlow Serving
Обзор архитектуры TensorFlow
Экспорт моделей для TensorFlow Serving
Сигнатуры моделей
Проверка экспортированных моделей
Установка TensorFlow Serving
Настройка сервера TensorFlow
REST или gRPC
Выполнение прогнозов на сервере моделей
A/B-тестирование модели с использованием TensorFlow Serving
Запрос метаданных модели с сервера моделей
Пакетные запросы на вывод прогнозов модели
Другие функции оптимизации TensorFlow Serving
Альтернативы TensorFlow Serving
Развертывание моделей с использованием услуг поставщиков облачных решений
Развертывание модели с помощью конвейеров TFX
Резюме
Глава 9. Расширенные концепции развертывания моделей с помощью TensorFlow Serving
Разделение зон ответственности в процессе развертывания
Оптимизация загрузки удаленной модели
Оптимизация модели для развертываний
Использование TensorRT совместно с TensorFlow Serving
TFLite
Мониторинг экземпляров TensorFlow Serving
Простое масштабирование с помощью TensorFlow Serving и Kubernetes
Резюме
Глава 10. Расширенные концепции TensorFlow Extended
Расширенные концепции конвейеров машинного обучения
Участие человека в конвейере машинного обучения
Резюме
Глава 11. Конвейеры, часть 1: Apache Beam и Apache Airflow
Какой инструмент оркестрации выбрать?
Преобразование вашего интерактивного конвейера TFX в производственный конвейер
Преобразование элементарного интерактивного конвейера для Beam и Airflow
Введение в Apache Beam
Оркестрация конвейеров TFX с помощью Apache Beam
Введение в Apache Airflow
Оркестрация конвейеров TFX с помощью Apache Airflow
Резюме
Глава 12. Конвейеры, часть 2: Kubeflow Pipelines
Введение в Kubeflow Pipelines
Оркестрация конвейеров TFX с помощью Kubeflow Pipelines
Конвейеры, работающие на Google Cloud AI Platform
Резюме
Глава 13. Петли обратной связи
Явная и неявная обратная связь
Конструктивные шаблоны для сбора отзывов
Как отслеживать петли обратной связи
Резюме
Глава 14. Приватность данных, используемых для машинного обучения
Введение в приватность данных
Дифференцированная приватность
Введение в TensorFlow Privacy
Введение в федеративное обучение
Зашифрованное машинное обучение
Другие методы обеспечения приватности данных
Резюме
Глава 15. Будущее конвейеров машинного обучения и следующие шаги
Отслеживание экспериментов с моделью
Предложения в области управления релизами модели
Будущие возможности конвейеров
Использование TFX с другими фреймворками машинного обучения
Тестирование моделей машинного обучения
Системы непрерывной интеграции и развертывания для машинного обучения
Сообщество инженеров машинного обучения
Резюме
Приложение A. Введение в инфраструктуру машинного обучения
Приложение B. Настройка кластера Kubernetes в Google Cloud
Приложение C. Советы по работе с Kubeflow Pipelines
Предметный указатель