Building Machine Learning Pipelines: Automating Model Life Cycles with TensorFlow
Эта книга представляет собой практическое руководство по созданию автоматизированных, масштабируемых и воспроизводимых конвейеров машинного обучения (ML pipelines) с использованием экосистемы TensorFlow Extended (TFX). Авторы, имеющие непосредственный опыт работы с командой TensorFlow, детально разбирают скрытый технический долг в современных ML-воркфлоу и показывают, как перейти от прототипов в лаборатории к промышленным, повторяемым процессам.
Книга охватывает все ключевые компоненты для успешного проектирования ML-пайплайнов: от анализа данных и проверки, через преобразование признаков и обучение моделей, до их оценки, валидации и развертывания в продакшн. Особое внимание уделяется автоматизации жизненного цикла моделей, что позволяет плавно доставлять будущие улучшения и обновления.
Издание предназначено для широкого круга специалистов: инженеров по машинному обучению (ML Engineers), data scientist'ов, DevOps-инженеров и разработчиков программного обеспечения, которые стремятся внедрять ML в реальные продукты. Это авторитетный ресурс по TFX, содержащий четкие объяснения, практические примеры кода и разбор последних функций платформы.
