Effective數據科學基礎設施 維萊.圖洛斯 9787302641865 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$623
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202308*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：Effective數據科學基礎設施 ISBN：9787302641865 出版社：清華大學 著編譯者：維萊.圖洛斯 頁數：277 所在地：中國大陸 *此為代購商品 書號：1576858 可大量預訂，請先連絡。 內容簡介 數據科學項目日益增多，每個項目在提出原型到生產的過程中都需要可靠的基礎設施。使用本書介紹的一些新技術和新工具，你將能建立一個適用於各類組織（無論是初創企業還是大型企業）的基礎設施堆棧。 本書可幫助你建立數據流程和項目工作流，為你開發項目帶來強大動力。本書呈現Netflix數據操作的最先進工具和概念，並在此基礎上介紹一種可定製的基於雲的模型開發和MLOps方法，可輕鬆適應公司的特定需求。當團隊把數據科學和機器學習應用於廣泛的業務問題時，這些實用的數據流程將更高效地生成更完美的結果。作者簡介 維萊·圖洛斯（Ville Tuulos）在Netflix公司設計並構建了用於數據科學的全棧框架Metaflow。目前，Ville在一家專業開發數據科學基礎設施的初創公司擔任首席執行官。目錄 第1章 數據科學基礎設施介紹1 1 選擇數據科學基礎設施的原因 1 2 什麼是數據科學基礎設施 1 2 1 數據科學基礎設施堆棧 1 2 2 支持數據科學項目的整個生命周期 1 2 3 不能以偏概全 1 3 良好基礎設施的重要性 1 3 1 管理複雜性 1 3 2 利用現有平台 1 4 以人為中心的基礎設施 1 4 1 自由與責任 1 4 2 數據科學家自主性 1 5 本章小結 第2章 數據科學的工具鏈 2 1 建立開發環境 2 1 1 雲賬戶 2 1 2 數據科學工作站 2 1 3 筆記 2 1 4 歸納 2 2 介紹工作流 2 2 1 工作流基礎 2 2 2 執行工作流 2 2 3 工作流框架 2 3 本章小結 第3章 Metaflow簡介 3 1 Metaflow的基本概念 3 1 1 安裝Metaflow 3 1 2 編寫基本工作流 3 1 3 管理工作流中的數據流 3 1 4 參數 3 2 分支和合併 3 2 1 有效的DAG結構 3 2 2 靜態分支 3 2 3 動態分支 3 2 4 控制併發 3 3 Metaflow實際應用 3 3 1 啟動新項目 3 3 2 使用客戶端API訪問結果 3 3 3 調試故障 3 3 4 最後潤色 3 4 本章小結 第4章 隨計算層伸縮 4 1 什麼是可伸縮性 4 1 1 整個堆棧的可伸縮性 4 1 2 實驗文化 4 2 計算層 4 2 1 使用容器進行批處理 4 2 2 計算層示例 4 3 Metaflow中的計算層 4 3 1 為Metaflow配置AWS批處理 4 3 2 @batch和@resources裝飾器 4 4 處理故障 4 4 1 使用@retry從瞬態錯誤中恢復 4 4 2 使用@timeout殺死殭屍 4 4 3 最後一種裝飾器：@catch 4 5 本章小結 第5章 實踐可伸縮性和性能 5 1 從簡單開始：垂直可伸縮性 5 1 1 示例：聚類Yelp評論 5 1 2 實踐垂直可伸縮性 5 1 3 為什麼選擇垂直可 伸縮性 5 2 實踐水平可伸縮性 5 2 1 為什麼選擇水平可伸縮性 5 2 2 示例：超參數搜索 5 3 實施性能優化 5 3 1 示例：計算共現矩陣 5 3 2 加快工作流的方法 5 4 本章小結 第6章 投入生產 6 1 穩定的工作流調度 6 1 1 中心化元數據 6 1 2 使用AWS Step Functions和Metaflow 6 1 3 使用@schedule調度運行 6 2 魯棒的執行環境 6 2 1 Metaflow包如何流動 6 2 2 為什麼依賴管理很重要 6 2 3 使用@conda裝飾器 6 3 穩定運行 6 3 1 原型開發期間的命名空間 6 3 2 生產命名空間 6 3 3 使用@project的并行部署 6 4 本章小結 第7章 處理數據 7 1 快速數據的基礎 7 1 1 從S3載入數據 7 1 2 使用表格數據 7 1 3 內存數據堆棧 7 2 與數據基礎設施的交互 7 2 1 現代數據基礎設施 7 2 2 用SQL準備數據集 7 2 3 分散式數據處理 7 3 從數據到特徵 7 3 1 區分事實和特徵 7 3 2 編碼特徵 7 4 本章小結 第8章 使用和操作模型 8 1 生成預測 8 1 1 批處理、流式和實時預測 8 1 2 示例：推薦系統 8 1 3 批處理預測 8 1 4 實時預測 8 2 本章小結 第9章 全棧機器學習 9 1 可插拔的特徵編碼器和模型 9 1 1 為可插拔的組件開發框架 9 1 2 執行特徵編碼器 9 1 3 基準模型 9 2 深度回歸模型 9 2 1 編碼輸入張量 9 2 2 定義深度回歸模型 9 2 3 訓練深度回歸模型 9 3 總結所學 9 4 本章小結 附錄 安裝Conda 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
