Ciencia de datos en AWS: Implementación de tuberías continuas de IA y aprendizaje automático de extremo a extremo

Opiniones de los lectores

El libro proporciona una introducción práctica a AWS MLOps y ofrece información valiosa sobre la ciencia de datos en la nube de AWS. Está bien estructurado y cubre muchos servicios de AWS de forma exhaustiva. Sin embargo, algunos lectores consideran que los capítulos de codificación son poco claros y que la calidad de impresión es deficiente. Mientras que algunos elogian su profundidad y amplitud, otros critican la falta de orientación práctica y organización coherente.

⬤ Bien escrito e informativo
⬤ cubre una amplia gama de servicios de AWS
⬤ proporciona conocimientos prácticos y un buen equilibrio entre explicaciones y código
⬤ rico en contenido para el precio
⬤ repositorio de código mantenido activamente
⬤ útil para comprender los procesos de aprendizaje automático de extremo a extremo en AWS.

⬤ Algunos capítulos son poco claros y poco prácticos
⬤ mala calidad de impresión (blanco y negro, papel de baja calidad)
⬤ carece de una estructura coherente e instrucciones detalladas paso a paso
⬤ algunos lectores recibieron copias usadas o desgastadas
⬤ no guía a los lectores a través del uso de los servicios de AWS como se esperaba
⬤ considerado superficial para el precio.

(basado en 25 opiniones de lectores)

Título original:

Data Science on AWS: Implementing End-To-End, Continuous AI and Machine Learning Pipelines

Contenido del libro:

Con este libro práctico, los profesionales de IA y aprendizaje automático aprenderán a crear e implementar con éxito proyectos de ciencia de datos en Amazon Web Services. La pila de IA y aprendizaje automático de Amazon unifica la ciencia de datos, la ingeniería de datos y el desarrollo de aplicaciones para ayudarle a mejorar sus habilidades. Esta guía le muestra cómo crear y ejecutar canalizaciones en la nube y, a continuación, integrar los resultados en aplicaciones en cuestión de minutos en lugar de días. A lo largo del libro, los autores Chris Fregly y Antje Barth demuestran cómo reducir costes y mejorar el rendimiento.

⬤ Aplique la pila de IA y ML de Amazon a casos de uso del mundo real para el procesamiento del lenguaje natural, la visión informática, la detección de fraudes, los dispositivos conversacionales y mucho más.

⬤ Utilizar el aprendizaje automático automatizado para implementar un subconjunto específico de casos de uso con SageMaker Autopilot.

⬤ Profundizar en el ciclo de vida completo de desarrollo de modelos para un caso de uso de PNL basado en BERT, incluyendo la ingesta de datos, el análisis, la formación de modelos y el despliegue.

⬤ Ate todo junto en una tubería de operaciones de aprendizaje automático repetible.

⬤ Explore ML en tiempo real, detección de anomalías y análisis de streaming en flujos de datos con Amazon Kinesis y Managed Streaming para Apache Kafka.

⬤ Aprenda las prácticas recomendadas de seguridad para proyectos y flujos de trabajo de ciencia de datos, incluida la administración de identidad y acceso, autenticación, autorización y mucho más.