主题: Production ML pipelines with TensorFlow Extended (TFX)

摘要: AurélienGéron致力于使用TensorFlow Extended(TFX)创建生产ML管道,并使用TFX从ML编码过渡到ML工程。在这里可以学习者可以遍历基础知识,将自己的第一个管道整合在一起,然后学习如何自定义TFX组件以及对模型性能进行深入分析。

课程大纲:

  • 生产软件部署和机器学习中的问题和方法
  • TFX基本概述:库,组件和元数据
  • 动手研讨会:您的第一个管道-带有Airflow的本地TFX
  • 动手练习:开发自定义组件
  • 动手研讨会:备用管道-A/B测试管道架构
  • 使用TFX处理数据:使用TensorFlow数据验证(TFDV)查找和修复问题
  • 动手练习:模型理解问题-TensorFlow模型分析(TFMA)和假设分析
  • 部署目标:Lite,JavaScript和服务
  • 混合云和本地部署

邀请嘉宾: AurélienGéron,是Kiwisoft的机器学习顾问,也是O'Reilly畅销书*《 Scikit-Learn,Keras和TensorFlow的动手机器学习》的作者*。之前,他领导YouTube的视频分类团队,是Wifirst 的创始人兼CTO,并曾在以下多个领域担任顾问:金融(摩根大通和法国兴业银行),国防(加拿大国防部)和医疗保健(输血)。他还出版了几本技术书籍(有关C ++,WiFi和Internet体系结构),并且是巴黎多芬大学的讲师。

成为VIP会员查看完整内容
Production ML pipelines with TensorFlow Extended _TFX_ Presentation.pdf
9

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
Sklearn 与 TensorFlow 机器学习实用指南,385页pdf
专知会员服务
126+阅读 · 2020年3月15日
【教程】TensorFlow2 最新迁移学习教程和实战
如何用TF Serving部署TensorFlow模型
AI研习社
26+阅读 · 2019年3月27日
程序员精选:TensorFlow和ML前5名的课程
云栖社区
8+阅读 · 2018年8月27日
【机器学习】基于TensorFlow搭建一套通用机器学习平台
发布TensorFlow 1.4
谷歌开发者
7+阅读 · 2017年11月23日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关VIP内容
Sklearn 与 TensorFlow 机器学习实用指南,385页pdf
专知会员服务
126+阅读 · 2020年3月15日
微信扫码咨询专知VIP会员