「本書是一本出色的參考資料，全面介紹ML產品系統，特別關注TFX。它包含最準確的資訊，並提供清晰、簡潔的解釋案例。」—RobertCroweTensorFlowDeveloperAdvocate,Google公司在機器學習專案上耗費巨資，但如果不能有效地部署模型，無疑是在浪費金錢。在本書中，HannesHapke和CatherineNelson將帶領您瞭解使用TensorFlow生態系統自動化機器學習管道的步驟。您將學習到將部署時間從幾天縮短到幾分鐘的技術和工具，進而更專注新模型的開發，而不是維護舊有的系統。數據科學家、機器學習工程師和DevOps工程師將發現如何超越模型開發，成功地將他們的數據科學項目產品化，而管理人員將更瞭解他們在加速這些專案項目所扮演的角色。‧瞭解構建機器學習管道的步驟‧使用TensorFlowExtended中的組件建構您的管道‧使用ApacheBeam、ApacheAirflow和Kubeflow管道來協作您的機器學習管道‧使用TensorFlow數據驗證和TensorFlow轉換來處理數據‧使用TensorFlow模型驗證對模型進行詳細分析‧檢驗模型表現的公平性和偏誤性‧使用TensorFlowServing或TensorFlowLite為移動設備部署模型‧學習隱私保護(privacy-preserving)機器學習技術
自動化 TENSORFLOWLITE 隱私保護 數據 專案 工程師 機器學習 ML 模型 KUBEFLOW 開發
PROJECT 專案 AI 軟體 平台 企業 應用 模型 群組 LINUX 亞馬遜 SWIFT MICROSOFT 大腦 整合 APPLE 工具 API WINDOWS 應用程式 LANGUAGE 開發 FOR 首部作品 SERVICE
