Livres — MLOps

EN
Data Engineering pour les pipelines de Machine Learning : des bibliothèques Python aux pipelines ML et aux plateformes cloud

Data Engineering pour les pipelines de Machine Learning : des bibliothèques Python aux pipelines ML et aux plateformes cloud

A

Pavan Kumar Narayanan

IA et ML
EN
IA Générative Pratique : Du Concept au Déploiement : Construction et Déploiement de Solutions Éthiques Alimentées par l'IA

IA Générative Pratique : Du Concept au Déploiement : Construction et Déploiement de Solutions Éthiques Alimentées par l'IA

A

Pramod Singh, James McKeone

IA et ML
EN
Générative IA sur Kubernetes : Opérationnalisation des grands modèles de langage

Générative IA sur Kubernetes : Opérationnalisation des grands modèles de langage

A

Roland Huß, Daniele Zonca

IA et ML
EN
Apprendre l'AutoML : Automatiser les pipelines de ML avec AutoGluon, les principaux frameworks et l'intégration en conditions réelles

Apprendre l'AutoML : Automatiser les pipelines de ML avec AutoGluon, les principaux frameworks et l'intégration en conditions réelles

A

Kerem Tomak

IA et ML
EN
Ingénierie de Plateforme de Machine Learning : Construire une plateforme de développement interne pour les systèmes ML et IA

Ingénierie de Plateforme de Machine Learning : Construire une plateforme de développement interne pour les systèmes ML et IA

A

Benjamin Tan Wei Hao, Shanoop Padmanabhan, Varun Mallya

IA et ML
EN
Le Programmeur Pragmatique pour le Machine Learning : Ingénierie des Solutions d'Analytique et de Data Science

Le Programmeur Pragmatique pour le Machine Learning : Ingénierie des Solutions d'Analytique et de Data Science

A

Marco Scutari, Mauro Malvestio

IA et ML
EN
Machine Learning en Production : Maîtrisez l'art de fournir des solutions de Machine Learning robustes avec le MLOps

Machine Learning en Production : Maîtrisez l'art de fournir des solutions de Machine Learning robustes avec le MLOps

A

Suhas Pote

IA et ML
EN
Conception de Systèmes de Machine Learning : Avec des Exemples de Bout en Bout

Conception de Systèmes de Machine Learning : Avec des Exemples de Bout en Bout

A

Valerii Babushkin, Arseny Kravchenko

IA et ML
RU
Création d'applications de machine learning : de l'idée au produit

Création d'applications de machine learning : de l'idée au produit

A

Эммануэль Амейзен

IA et ML
RU
Introduction pratique aux principales bibliothèques et frameworks Python (avec exemples de code)

Introduction pratique aux principales bibliothèques et frameworks Python (avec exemples de code)

B

Мурат Дурмус

IA et ML
EN
Conception de systèmes de Machine Learning : Un processus itératif pour des applications prêtes pour la production

Conception de systèmes de Machine Learning : Un processus itératif pour des applications prêtes pour la production

A

Chip Huyen

IA et ML
RU
Conception de systèmes d'apprentissage automatique

Conception de systèmes d'apprentissage automatique

A

Чип Хьюен (Chip Huyen)

IA et ML
EN
Architecture des Systèmes Logiciels d'IA : Conception de systèmes d'IA robustes et évolutifs pour le développement logiciel moderne

Architecture des Systèmes Logiciels d'IA : Conception de systèmes d'IA robustes et évolutifs pour le développement logiciel moderne

A

Richard D Avila, Imran Ahmad

IA et ML
EN
TensorFlow en Action

TensorFlow en Action

A

Thushan Ganegedara

IA et ML
RU
Python et DevOps : La clé de l'automatisation Linux

Python et DevOps : La clé de l'automatisation Linux

A

Ной Гифт, Кеннеди Берман, Альфредо Деза, Григ Георгиу

DevOps et Infrastructure
EN
Conception de systèmes d'apprentissage profond : Un guide pour les ingénieurs logiciels

Conception de systèmes d'apprentissage profond : Un guide pour les ingénieurs logiciels

A

Chi Wang, Donald Szeto, Yan Xue

IA et ML
EN
MLOps avec Ray : Bonnes pratiques et stratégies pour l'adoption des opérations de Machine Learning

MLOps avec Ray : Bonnes pratiques et stratégies pour l'adoption des opérations de Machine Learning

A

Hien Luu, Max Pumperla, Zhe Zhang

IA et ML
EN
Manuel de l'Ingénieur LLM : Maîtrisez l'art de l'ingénierie des grands modèles de langage, du concept à la production

Manuel de l'Ingénieur LLM : Maîtrisez l'art de l'ingénierie des grands modèles de langage, du concept à la production

A

Paul Iusztin, Maxime Labonne

IA et ML
EN
Création de Pipelines de Machine Learning : Automatisation des Cycles de Vie des Modèles avec TensorFlow

Création de Pipelines de Machine Learning : Automatisation des Cycles de Vie des Modèles avec TensorFlow

A

Hannes Hapke, Catherine Nelson

IA et ML
EN
Fondamentaux de Python pour l'Intelligence Artificielle et le Machine Learning

Fondamentaux de Python pour l'Intelligence Artificielle et le Machine Learning

A

Pramod Gupta, Anupam Bagchi

IA et ML
EN
Déployer des Modèles de Machine Learning en Production : Avec Flask, Streamlit, Docker et Kubernetes sur Google Cloud Platform

Déployer des Modèles de Machine Learning en Production : Avec Flask, Streamlit, Docker et Kubernetes sur Google Cloud Platform

A

Pramod Singh

IA et ML
EN
Boîte à outils du cycle de vie MLOps : Feuille de route d'ingénierie logicielle pour concevoir, déployer et mettre à l'échelle des systèmes stochastiques

Boîte à outils du cycle de vie MLOps : Feuille de route d'ingénierie logicielle pour concevoir, déployer et mettre à l'échelle des systèmes stochastiques

A

Dayne Sorvisto

IA et ML
EN
Apprentissage Automatique Pratique sur Databricks

Apprentissage Automatique Pratique sur Databricks

A

Debu Sinha

IA et ML
RU
Développement de pipelines d'apprentissage automatique. Automatisation des cycles de vie des modèles avec TensorFlow

Développement de pipelines d'apprentissage automatique. Automatisation des cycles de vie des modèles avec TensorFlow

A

Хапке Х., Нельсон К.

IA et ML