소득공제
PDF
eBook
살아 움직이는 머신러닝 파이프라인 설계
텐서플로와 함께하는 머신러닝 프로젝트 자동화
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
이 분야의 이벤트
이 상품의 태그
소개
목차
|
CHAPTER 1 머신러닝 파이프라인1.1 머신러닝 파이프라인의 필요성1.2 머신러닝 파이프라인을 고려해야 할 시기1.3 머신러닝 파이프라인 단계1.4 파이프라인 오케스트레이션1.5 예제 프로젝트1.6 요약CHAPTER 2 TFX - 텐서플로 익스텐디드2.1 TFX 소개2.2 TFX 설치2.3 TFX 컴포넌트 개요2.4 ML 메타데이터2.5 대화형 파이프라인2.6 TFX의 대체 솔루션2.7 아파치 빔 소개2.8 요약CHAPTER 3 데이터 수집3.1 데이터 수집의 개념3.2 데이터 준비3.3 수집 전략3.4 요약CHAPTER 4 데이터 검증4.1 데이터 검증의 필요성4.2 TFDV - 텐서플로 데이터 검증4.3 데이터 인식4.4 GCP를 사용한 대용량 데이터셋 처리4.5 TFDV를 머신러닝 파이프라인에 통합하기4.6 요약CHAPTER 5 데이터 전처리5.1 데이터 전처리의 필요성5.2 TFT를 사용한 데이터 전처리5.3. 요약CHAPTER 6 모델 학습6.1 예제 프로젝트의 모델 정의하기6.2 TFX Trainer 컴포넌트6.3 대화형 파이프라인에서 텐서보드 사용하기6.4 분산 학습 전략6.5 모델 튜닝6.6 요약CHAPTER 7 모델 분석 및 검증7.1 모델 분석 방법7.2 텐서플로 모델 분석7.3 공정성을 위한 모델 분석7.4 모델 설명 가능성7.5 TFX에서의 분석과 검증7.6 요약CHAPTER 8 텐서플로 서빙을 사용한 모델 배포8.1 간단한 모델 서버8.2 파이썬 기반 API를 사용한 모델 배포의 단점8.3 텐서플로 서빙8.4 텐서플로 아키텍처 개요8.5 텐서플로 서빙용 모델 내보내기8.6 모델 서명8.7 내보낸 모델 검사하기8.8 텐서플로 서빙 설정8.9 텐서플로 서버 구성8.10 REST 대 gRPC8.11 모델 서버에서 예측하기8.12 텐서플로 서빙을 사용한 A/B 모델 테스트8.13 모델 서버에서 모델 메타데이터 요청8.14 추론 요청 배치 처리8.15 배치 예측 구성8.16 기타 텐서플로 서빙 최적화8.17 텐서플로의 대체 서비스8.18 클라우드 공급자를 통한 구축8.19 TFX 파이프라인을 사용한 모델 배포8.20 요약CHAPTER 9 텐서플로 서비스를 사용한 고급 모델 배포9.1 배포 주기 분리9.2 배포를 위한 모델 최적화9.3 텐서플로 서빙에서 TensorRT 사용하기9.4 TFLite9.5 텐서플로 서빙 인스턴스 모니터링9.6 텐서플로 서빙과 쿠버네티스를 사용한 간편한 확장9.7 요약CHAPTER 10 고급 TFX10.1 고급 파이프라인 개념10.2 휴먼 인 더 루프10.3 사용자 지정 TFX 컴포넌트10.4 요약CHAPTER 11 파이프라인 1부: 아파치 빔 및 아파치 에어플로11.1 오케스트레이션 도구 선택11.2 대화형 TFX 파이프라인을 프로덕션 파이프라인으로 변환하기11.3 빔과 에어플로를 위한 대화형 파이프라인 변환11.4 아파치 빔 소개11.5 아파치 빔으로 TFX 파이프라인 조정11.6. 아파치 에어플로 소개11.7 아파치 에어플로를 사용한 TFX 파이프라인 설정11.8 요약CHAPTER 12 파이프라인 2부: 쿠베플로 파이프라인12.1 쿠베플로 파이프라인 소개12.2 쿠베플로 파이프라인을 사용한 TFX 파이프라인 조정12.3 구글 클라우드 AI 플랫폼 기반 파이프라인12.4 요약CHAPTER 13 피드백 루프13.1 명시적 피드백과 암묵적 피드백13.2 피드백 수집 패턴 설계13.3 피드백 루프를 추적하는 방법13.4 요약CHAPTER 14 머신러닝을 위한 데이터 개인정보 보호14.1 데이터 개인정보 보호 문제14.2 차등 개인정보 보호14.3 텐서플로 개인정보 보호 소개14.4 연합 학습14.5 암호화된 머신러닝14.6 기타 데이터 개인정보 보호 방법14.7 요약CHAPTER 15 파이프라인의 미래와 다음 단계15.1 모델 실험 관리15.2 모델 배포 관리에 관한 생각15.3 미래의 파이프라인 능력15.4 다른 머신러닝 프레임워크와 함께 사용하는 TFX15.5 머신러닝 모델 테스트15.6 머신러닝을 위한 CI/CD 시스템15.7 머신러닝 엔지니어링 커뮤니티15.8 요약APPENDIX A 머신러닝에 유용한 인프라 소개A.1 컨테이너 소개A.2 도커 소개A.3 쿠버네티스 소개A.4 쿠버네티스에 애플리케이션 배포하기APPENDIX B 구글 클라우드에 쿠버네티스 클러스터 설정하기B.1 시작하기 전에 수행해야 할 작업B.2 구글 클라우드의 쿠버네티스B.3 쿠베플로 파이프라인을 위한 영구 볼륨 설정APPENDIX C 쿠베플로 파이프라인 조작 팁C.1 사용자 지정 TFX 이미지C.2 영구 볼륨을 사용한 데이터 교환C.3 TFX 명령줄 인터페이스
|
저자 소개 3
Hannes Hapke
SAP Concur의 Concur Labs 수석 데이터 과학자이다. 머신러닝을 사용하여 비즈니스 여행자의 경험을 개선하는 혁신적인 방법을 연구한다. SAP Concur에 합류하기 전에는 의료, 소매, 채용, 재생 에너지 등 다양한 산업 분야의 머신러닝 인프라 문제를 해결했다. 또한, 자연어 처리와 딥러닝에 관한 출판물을 공동으로 집필했으며 다양한 콘퍼런스에서 딥러닝과 파이썬에 대해 발표했다. 그는 wunderbar.ai의 창시자이기도 하다. 또한 오리건 주립 대학교에서 전기공학 석사 학위를 받았다.
Catherine Nelson
프리랜서 데이터 과학자. 이전에는 SAP Concur의 수석 데이터 과학자로서 프로덕션 머신러닝 애플리케이션을 작성했다. 머신러닝의 설명 가능성, 모델 분석, 개인정보보호 등에 관심이 많다. 『살아 움직이는 머신러닝 파이프라인 설계』(한빛미디어, 2021)를 공저했고, 시애틀 PyLadies의 조직자이기도 하다.
현재 인공지능 튜터 산타토익을 개발한 뤼이드의 VP of AIOps로 머신러닝 파이프라인 구축을 총괄한다. 네이버에서 AI 연구 엔지니어로 근무했으며, 카카오에서 데이터 엔지니어로 일한 경력이 있다. 국내 최대 인공지능 커뮤니티인 텐서플로 코리아와 머신러닝 옵스 코리아 운영진이다.
품목정보
- 발행일
- 2021년 10월 11일
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 7.95MB ?
- 글자 수/ 페이지 수
- 약 417쪽 ?
- ISBN13
- 9791162246481
출판사 리뷰
|
파이프라인으로 머신러닝 자동화를 구축하는 명확한 가이드!이 책에서 처음부터 끝까지 단계별로 구체적인 예제 프로젝트를 안내하는 방식이 마음에 들었습니다. 많은 코드 예제와 명확하고 간결한 설명 덕분에, 여러분의 머신러닝 파이프라인을 가동하고 자신의 사용 사례에 맞게 조정하는 데 필요한 개념적 도구를 사용할 수 있을 것입니다. 노트북을 가지고 여러분이 배운 내용을 실제로 사용해보기를 강력히 추천합니다. 이제 전문적인 머신러닝 파이프라인을 만들 때입니다!대상 독자기본적인 머신러닝 개념을 이해하고 하나 이상의 머신러닝 프레임워크(예: 파이토치, 텐서플로, 케라스)에 익숙한 독자님께 추천합니다. 이 책의 머신러닝 예시는 텐서플로와 케라스를 기반이지만, 핵심 개념은 어떤 프레임워크에도 적용할 수 있습니다. ● 일회성 머신러닝 모델 학습을 넘어 데이터 과학 프로젝트를 성공적으로 출시하고자 하는 데이터 과학자와 머신러닝 엔지니어● 프로젝트 관리자, 소프트웨어 개발자, 데브옵스 엔지니어주요 내용 ● 머신러닝 파이프라인 구축 단계 이해● 텐서플로 익스텐디드(TFX)를 사용한 파이프라인 구축● 아파치 빔, 아파치 에어플로, 쿠베플로 파이프라인을 사용한 머신러닝 파이프라인 조정● 텐서플로 데이터 검증 및 변환을 사용한 데이터 작업● 텐서플로 모델 분석을 사용하여 모델 세부 분석● 모델 성능의 공정성과 편향성 조사● 모바일 장치용 텐서플로 서빙 또는 텐서플로 라이트(TFLite)로 모델 배포● 개인 정보를 보호하는 머신러닝 기술
|
