کتاب Scaling Machine Learning with Spark

مقیاس‌پذیری یادگیری ماشین با اسپارک: راهنمای عملی برای ساخت راه‌حل‌های جامع

آشنایی با مقیاس‌پذیری یادگیری ماشین

کتاب مقیاس‌پذیری یادگیری ماشین با اسپارک، نوشته ادی پولاک، راهنمایی جامع و عملی برای متخصصان داده و یادگیری ماشین است که می‌خواهند راه‌حل‌های مقیاس‌پذیر یادگیری ماشین را با استفاده از اکوسیستم آپاچی اسپارک طراحی کنند. این کتاب با رویکردی جامع، شما را از روش‌های سنتی فراتر برده و به همکاری مؤثر بین متخصصان داده و یادگیری ماشین کمک می‌کند.

چرا این کتاب را بخوانید؟

این کتاب با آموزش فناوری‌هایی مانند Spark MLlib، MLflow، TensorFlow و PyTorch، شما را در ساخت جریان‌های کاری توزیع‌شده یادگیری ماشین از ابتدا تا انتها هدایت می‌کند. با مثال‌های عملی و پروژه‌های واقعی، این کتاب به شما کمک می‌کند تا داده‌ها را پردازش کنید، ویژگی‌ها را مهندسی کنید، مدل‌ها را آموزش دهید و راه‌حل‌های مقیاس‌پذیر را در محیط‌های تولیدی مستقر کنید.

ویژگی‌های کلیدی کتاب

بخش اول: مفاهیم و ابزارهای پایه

• مفاهیم و اصطلاحات یادگیری ماشین توزیع‌شده: آشنایی با اصول اولیه.

• مقدمه‌ای بر اسپارک و PySpark: شروع کار با ابزارهای اسپارک.

• مدیریت چرخه حیات آزمایش‌های یادگیری ماشین با MLflow: مدیریت پروژه‌های ML.

بخش دوم: پردازش داده و مهندسی ویژگی

• دریافت و پیش‌پردازش داده‌ها و آمار توصیفی: آماده‌سازی داده‌ها با اسپارک.

• مهندسی ویژگی: استخراج ویژگی‌های معنادار با اسپارک.

بخش سوم: آموزش و ادغام مدل‌ها

• آموزش مدل‌ها با Spark MLlib: ساخت و بازتولید خطوط لوله ML.

• پیوند اسپارک با چارچوب‌های یادگیری عمیق: ترکیب اسپارک با یادگیری عمیق.

• رویکرد یادگیری ماشین توزیع‌شده TensorFlow: مثال‌های عملی با TensorFlow.

• رویکرد یادگیری ماشین توزیع‌شده PyTorch: مقیاس‌پذیری با PyTorch.

بخش چهارم: استقرار

• الگوهای استقرار برای مدل‌های یادگیری ماشین: پیاده‌سازی در محیط‌های تولیدی.

کاربردهای عملی

این کتاب با مثال‌های گام‌به‌گام، شما را در ساخت سیستم‌های داده مقیاس‌پذیر، مهندسی ویژگی، آموزش مدل‌ها و استقرار آن‌ها با استفاده از اسپارک، TensorFlow و PyTorch توانمند می‌کند. از مدیریت چرخه حیات پروژه با MLflow تا ادغام یادگیری عمیق با اسپارک، این کتاب مهارت‌های لازم برای حل مسائل پیچیده یادگیری ماشین را ارائه می‌دهد.

درباره فناوری

آپاچی اسپارک با ابزارهایی مانند MLlib و PySpark، همراه با چارچوب‌های یادگیری عمیق مانند TensorFlow و PyTorch، امکان ساخت راه‌حل‌های مقیاس‌پذیر یادگیری ماشین را فراهم می‌کند. این کتاب با تمرکز بر این فناوری‌ها و MLflow، شما را برای توسعه سیستم‌های پیشرفته آماده می‌کند.

مخاطبان کتاب

این کتاب برای دانشمندان داده، متخصصان یادگیری ماشین و توسعه‌دهندگانی مناسب است که با مفاهیم پایه یادگیری ماشین آشنا هستند و می‌خواهند راه‌حل‌های مقیاس‌پذیر در محیط‌های توزیع‌شده طراحی کنند.

درباره نویسنده

ادی پولاک، متخصص در یادگیری ماشین و داده‌های مقیاس‌پذیر، دانش و تجربه خود را با مثال‌های عملی و زبانی روان در این کتاب به اشتراک گذاشته است.