Marcin Mazureknarzędzia online · artykuły · księgarniaRSS
Okładka: Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowegoTylna okładka: Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego

Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego

Autor: Chris Fregly, Antje Barth

Tłumacz: Tomasz Walczak

Helionebook

64,50 zł 129,00 zł -50%

Kup w księgarni Helion

Czytaj fragmentPobierz PDF

Kategorie
Amazon Web Services, Inżynieria danych i architektura, Machine Learning
Wydawca
Helion
Rodzaj
ebook
Format
168x237
Stron
472
Data wydania
2022-08-09
ISBN
978-83-283-9129-1
Tytuł oryginału
Data Science on AWS: Implementing End-to-End, Continuous AI and Machine Learning Pipelines
Seria
Stage Dive
Formaty
PDF (13,1MB) · ePub (19,6MB) · Mobi (19,2MB)

Fragment książki — 30 stron

Kliknij stronę, żeby powiększyć. Całość możesz przeczytać online albo pobrać jako PDF. Fragment udostępniony przez wydawcę.

  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 1 z 301
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 2 z 302
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 3 z 303
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 4 z 304
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 5 z 305
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 6 z 306
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 7 z 307
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 8 z 308
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 9 z 309
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 10 z 3010
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 11 z 3011
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 12 z 3012
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 13 z 3013
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 14 z 3014
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 15 z 3015
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 16 z 3016
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 17 z 3017
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 18 z 3018
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 19 z 3019
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 20 z 3020
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 21 z 3021
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 22 z 3022
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 23 z 3023
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 24 z 3024
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 25 z 3025
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 26 z 3026
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 27 z 3027
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 28 z 3028
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 29 z 3029
  • Fragment „Inżynieria danych na platformie AWS. Jak tworzyć kompletne potoki uczenia maszynowego” — strona 30 z 3030

Opis

Platforma Amazon Web Services jest uważana za największą i najbardziej dojrzałą chmurę obliczeniową. Zapewnia bogaty zestaw specjalistycznych narzędzi ułatwiających realizację projektów z zakresu inżynierii danych i uczenia maszynowego. W ten sposób inżynierowie danych, architekci i menedżerowie mogą szybko zacząć używać danych do podejmowania kluczowych decyzji biznesowych. Uzyskanie optymalnej efektywności pracy takich projektów wymaga jednak dobrego rozeznania w możliwościach poszczególnych narzędzi, usług i bibliotek.

Dzięki temu praktycznemu przewodnikowi szybko nauczysz się tworzyć i uruchamiać procesy w chmurze, a następnie integrować wyniki z aplikacjami. Zapoznasz się ze scenariuszami stosowania technik sztucznej inteligencji: przetwarzania języka naturalnego, rozpoznawania obrazów, wykrywania oszustw, wyszukiwania kognitywnego czy wykrywania anomalii w czasie rzeczywistym. Ponadto dowiesz się, jak łączyć cykle rozwoju modeli z pobieraniem i analizą danych w powtarzalnych potokach MLOps. W książce znajdziesz też zbiór technik zabezpieczania projektów i procesów z obszaru inżynierii danych, takich jak stosowanie usługi IAM, uwierzytelnianie, autoryzacja, izolacja sieci, szyfrowanie danych w spoczynku czy postkwantowe szyfrowanie sieci dla danych w tranzycie.

Najciekawsze zagadnienia:

  • narzędzia AWS związane ze sztuczną inteligencją i z uczeniem maszynowym
  • kompletny cykl rozwoju modelu przetwarzania języka naturalnego
  • powtarzalne potoki MLOps
  • uczenie maszynowe w czasie rzeczywistym
  • wykrywanie anomalii i analiza strumieni danych
  • zabezpieczanie projektów i procesów z obszaru inżynierii danych

AWS i inżynieria danych: tak zwiększysz wydajność i obniżysz koszty!

Implementowanie solidnego kompletnego procesu uczenia maszynowego to żmudne zadanie, dodatkowo komplikowane przez szeroki zakres dostępnych narzędzi i technologii. Autorzy wykonali świetną robotę, a jej efekty pomogą zarówno nowicjuszom, jak i doświadczonym praktykom realizować to zadanie z wykorzystaniem możliwości, jakie dają usługi AWS

Brent Rabowsky, danolog w firmie Amazon Web Services

Linki do księgarni są linkami partnerskimi Grupy Helion i Księgarni PWN (przez sieć Adtraction). Ceny i dostępność pochodzą z oferty wydawcy i mogą się zmienić.