數據科學專案日益增多，每個專案在提出原型到生產的過程中都需要可靠的基礎設施。使用《Effective數據科學基礎設施》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)的基礎設施堆疊。《Effective數據科學基礎設施》可説明你建立數據流程和專案工作流，為你開發專案帶來強大動力。
《Effective數據科學基礎設施》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制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。主要內容在雲中處理計算和編排將基於雲的工具耦合到一個內聚的數據科學環境中使用Metaflow、AWS和Python數據生態系統開發可複製的數據科學專案構建需要大型數據集和模型，需要數據科學家團隊參與的複雜應用程式。
| FindBook |
|
有 1 項符合
維萊·圖洛斯的圖書 |
 |
$ 512 | Effective數據科學基礎設施
作者：（蘇）維萊·圖洛斯 ／ 譯者：郭濤 出版社：清華大學出版社 出版日期：2023-08-01 語言：簡體中文 規格：平裝 / 277頁 / 19 x 26 x 1.39 cm / 普通級/ 1-1  博客來 - 應用科學
- 來源網頁  看圖書介紹
|
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：Effective數據科學基礎設施
內容簡介
目錄
第1章 數據科學基礎設施介紹 1
1.1 選擇數據科學基礎設施的原因 2
1.2 什麼是數據科學基礎設施 5
1.2.1 數據科學基礎設施堆疊 6
1.2.2 支持數據科學專案的整個生命週期 8
1.2.3 不能以偏概全 9
1.3 良好基礎設施的重要性 10
1.3.1 管理複雜性 11
1.3.2 利用現有平臺 12
1.4 以人為中心的基礎設施 13
1.4.1 自由與責任 14
1.4.2 數據科學家自主性 15
1.5 本章小結 16
第2章 數據科學的工具鏈 17
2.1 建立開發環境 18
2.1.1 雲帳戶 21
2.1.2 數據科學工作站 22
2.1.3 筆記 24
2.1.4 歸納 27
2.2 介紹工作流 29
2.2.1 工作流基礎 30
2.2.2 執行工作流 31
2.2.3 工作流框架 33
2.3 本章小結 35
第3章 Metaflow簡介 37
3.1 Metaflow的基本概念 38
3.1.1 安裝Metaflow 39
3.1.2 編寫基本工作流 40
3.1.3 管理工作流中的數據流 44
3.1.4 參數 50
3.2 分支和合併 55
3.2.1 有效的DAG結構 56
3.2.2 靜態分支 57
3.2.3 動態分支 61
3.2.4 控制併發 64
3.3 Metaflow實際應用 66
3.3.1 啟動新專案 67
3.3.2 使用用戶端API訪問結果 69
3.3.3 調試故障 72
3.3.4 最後潤色 76
3.4 本章小結 79
第4章 隨計算層伸縮 81
4.1 什麼是可伸縮性 82
4.1.1 整個堆疊的可伸縮性 83
4.1.2 實驗文化 85
4.2 計算層 87
4.2.1 使用容器進行批次處理 89
4.2.2 計算層示例 92
4.3 Metaflow中的計算層 98
4.3.1 為Metaflow配置AWS批次處理 100
4.3.2 @batch和@resources裝飾器 104
4.4 處理故障 107
4.4.1 使用@retry從瞬態錯誤中恢復 109
4.4.2 使用@timeout殺死僵屍 110
4.4.3 最後一種裝飾器：@catch 111
4.5 本章小結 113
第5章 實踐可伸縮性和性能 115
5.1 從簡單開始：垂直可伸縮性 116
5.1.1 示例：聚類Yelp評論 117
5.1.2 實踐垂直可伸縮性 119
5.1.3 為什麼選擇垂直可伸縮性 124
5.2 實踐水準可伸縮性 126
5.2.1 為什麼選擇水準可伸縮性 126
5.2.2 示例：超參數搜索 127
5.3 實施性能優化 130
5.3.1 示例：計算共現矩陣 131
5.3.2 加快工作流的方法 139
5.4 本章小結 140
第6章 投入生產 141
6.1 穩定的工作流調度 143
6.1.1 中心化元數據 145
6.1.2 使用AWS Step Functions和Metaflow 147
6.1.3 使用@schedule調度運行 152
6.2 魯棒的執行環境 153
6.2.1 Metaflow包如何流動 155
6.2.2 為什麼依賴管理很重要 160
6.2.3 使用@conda裝飾器 162
6.3 穩定運行 167
6.3.1 原型開發期間的命名空間 169
6.3.2 生產命名空間 173
6.3.3 使用@project的並行部署 174
6.4 本章小結 177
第7章 處理數據 179
7.1 快速數據的基礎 182
7.1.1 從S3載入數據 183
7.1.2 使用表格數據 188
7.1.3 記憶體數據堆疊 192
7.2 與數據基礎設施的交互 194
7.2.1 現代數據基礎設施 195
7.2.2 用SQL準備數據集 199
7.2.3 分散式數據處理 205
7.3 從數據到特徵 210
7.3.1 區分事實和特徵 211
7.3.2 編碼特徵 213
7.4 本章小結 218
第8章 使用和操作模型 221
8.1 生成預測 223
8.1.1 批次處理、流式和即時預測 225
8.1.2 示例：推薦系統 227
8.1.3 批次處理預測 232
8.1.4 即時預測 243
8.2 本章小結 248
第9章 全棧機器學習 249
9.1 可插拔的特徵編碼器和模型 250
9.1.1 為可插拔的元件開發框架 251
9.1.2 執行特徵編碼器 255
9.1.3 基準模型 259
9.2 深度回歸模型 264
9.2.1 編碼輸入張量 266
9.2.2 定義深度回歸模型 269
9.2.3 訓練深度回歸模型 272
9.3 總結所學 275
9.4 本章小結 277
附錄 安裝Conda 279
1.1 選擇數據科學基礎設施的原因 2
1.2 什麼是數據科學基礎設施 5
1.2.1 數據科學基礎設施堆疊 6
1.2.2 支持數據科學專案的整個生命週期 8
1.2.3 不能以偏概全 9
1.3 良好基礎設施的重要性 10
1.3.1 管理複雜性 11
1.3.2 利用現有平臺 12
1.4 以人為中心的基礎設施 13
1.4.1 自由與責任 14
1.4.2 數據科學家自主性 15
1.5 本章小結 16
第2章 數據科學的工具鏈 17
2.1 建立開發環境 18
2.1.1 雲帳戶 21
2.1.2 數據科學工作站 22
2.1.3 筆記 24
2.1.4 歸納 27
2.2 介紹工作流 29
2.2.1 工作流基礎 30
2.2.2 執行工作流 31
2.2.3 工作流框架 33
2.3 本章小結 35
第3章 Metaflow簡介 37
3.1 Metaflow的基本概念 38
3.1.1 安裝Metaflow 39
3.1.2 編寫基本工作流 40
3.1.3 管理工作流中的數據流 44
3.1.4 參數 50
3.2 分支和合併 55
3.2.1 有效的DAG結構 56
3.2.2 靜態分支 57
3.2.3 動態分支 61
3.2.4 控制併發 64
3.3 Metaflow實際應用 66
3.3.1 啟動新專案 67
3.3.2 使用用戶端API訪問結果 69
3.3.3 調試故障 72
3.3.4 最後潤色 76
3.4 本章小結 79
第4章 隨計算層伸縮 81
4.1 什麼是可伸縮性 82
4.1.1 整個堆疊的可伸縮性 83
4.1.2 實驗文化 85
4.2 計算層 87
4.2.1 使用容器進行批次處理 89
4.2.2 計算層示例 92
4.3 Metaflow中的計算層 98
4.3.1 為Metaflow配置AWS批次處理 100
4.3.2 @batch和@resources裝飾器 104
4.4 處理故障 107
4.4.1 使用@retry從瞬態錯誤中恢復 109
4.4.2 使用@timeout殺死僵屍 110
4.4.3 最後一種裝飾器：@catch 111
4.5 本章小結 113
第5章 實踐可伸縮性和性能 115
5.1 從簡單開始：垂直可伸縮性 116
5.1.1 示例：聚類Yelp評論 117
5.1.2 實踐垂直可伸縮性 119
5.1.3 為什麼選擇垂直可伸縮性 124
5.2 實踐水準可伸縮性 126
5.2.1 為什麼選擇水準可伸縮性 126
5.2.2 示例：超參數搜索 127
5.3 實施性能優化 130
5.3.1 示例：計算共現矩陣 131
5.3.2 加快工作流的方法 139
5.4 本章小結 140
第6章 投入生產 141
6.1 穩定的工作流調度 143
6.1.1 中心化元數據 145
6.1.2 使用AWS Step Functions和Metaflow 147
6.1.3 使用@schedule調度運行 152
6.2 魯棒的執行環境 153
6.2.1 Metaflow包如何流動 155
6.2.2 為什麼依賴管理很重要 160
6.2.3 使用@conda裝飾器 162
6.3 穩定運行 167
6.3.1 原型開發期間的命名空間 169
6.3.2 生產命名空間 173
6.3.3 使用@project的並行部署 174
6.4 本章小結 177
第7章 處理數據 179
7.1 快速數據的基礎 182
7.1.1 從S3載入數據 183
7.1.2 使用表格數據 188
7.1.3 記憶體數據堆疊 192
7.2 與數據基礎設施的交互 194
7.2.1 現代數據基礎設施 195
7.2.2 用SQL準備數據集 199
7.2.3 分散式數據處理 205
7.3 從數據到特徵 210
7.3.1 區分事實和特徵 211
7.3.2 編碼特徵 213
7.4 本章小結 218
第8章 使用和操作模型 221
8.1 生成預測 223
8.1.1 批次處理、流式和即時預測 225
8.1.2 示例：推薦系統 227
8.1.3 批次處理預測 232
8.1.4 即時預測 243
8.2 本章小結 248
第9章 全棧機器學習 249
9.1 可插拔的特徵編碼器和模型 250
9.1.1 為可插拔的元件開發框架 251
9.1.2 執行特徵編碼器 255
9.1.3 基準模型 259
9.2 深度回歸模型 264
9.2.1 編碼輸入張量 266
9.2.2 定義深度回歸模型 269
9.2.3 訓練深度回歸模型 272
9.3 總結所學 275
9.4 本章小結 277
附錄 安裝Conda 279
|
