Transactional Machine Learning with Data Streams and AutoML: Build Frictionless and Elastic Machine Learning Solutions with Apache Kafka in the Cloud Using Python
Книга посвящена построению транзакционных систем машинного обучения с использованием потоковых данных и AutoML. Автор рассматривает архитектуру решений, работающих в облаке с Apache Kafka и Python.
В первой части читатели знакомятся с основами больших данных, структурированных и неструктурированных данных, качеством данных и потоковой обработкой. Затем подробно разбираются потоковые вычисления и их применение в машинном обучении.
Центральное место занимает концепция транзакционного машинного обучения — подхода, при котором модели обучаются и обновляются в реальном времени на основе потоков событий. Рассматривается интеграция AutoML для автоматизации выбора и настройки моделей.
Практические примеры на Python демонстрируют, как строить эластичные и отказоустойчивые ML-решения с Apache Kafka в облачной среде. Книга будет полезна инженерам по данным и ML-разработчикам, желающим освоить потоковую обработку и автоматизацию ML-пайплайнов.










