Essential Kubeflow by Josyula, Prashanth; Arora, Sonika; Kumar, Anant;

Engineering ML Workflows on Kubernetes

10% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 166.99
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

65 226 Ft (62 120 Ft + 5% áfa)
Kedvezmény(ek) 10% (cc. 6 523 Ft off)
Kedvezményes ár 58 703 Ft (55 908 Ft + 5% áfa)

65 226 Ft

Beszerezhetőség

Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.

A termék adatai:

Kiadó Elsevier Science
Megjelenés dátuma 2026. július 1.

ISBN 9780443452543
Kötéstípus Puhakötés
Terjedelem250 oldal
Méret 235x191 mm
Súly 450 g
Nyelv angol

Kategóriák

Könyvtár és információmenedzsment A számítástudomány matematikai elmélete Operációs rendszerek és grafikus felhasználói felületek Irodai szoftverek, táblázatkezelők Mesterséges intelligencia

Hosszú leírás:

Essential Kubeflow: Engineering ML Workflows on Kubernetes provides the tools needed to transform ML workflows from experimental notebooks to production-ready platforms. Through hands-on examples and production-tested patterns, readers will master essential skills for building enterprise-grade Machine Learning platforms, including architecting production systems on Kubernetes, designing end-to-end ML pipelines, implementing robust model serving, efficiently scaling workloads, managing multi-user environments, deploying automated MLOps workflows, and integrating with existing ML tools. Whether you're a Machine Learning engineer looking to operationalize models, a platform engineer diving into ML infrastructure, or a technical leader architecting ML systems, this book provides solutions for real-world challenges.

With this comprehensive guide to Kubeflow, a widely adopted open source MLOps platforms for automating ML workloads, readers will have the expertise to build and maintain scalable ML platforms that can handle the demands of modern enterprise AI initiatives.

Több

Tartalomjegyzék:

Part I: Foundation
1. Kubernetes Essentials for ML Engineers
2. Getting Started with Kubeflow

Part II: Building ML Workflows
3. Understanding Kubeflow Pipelines
4. Advanced Pipeline Development
5. Experimentation with Notebooks

Part III: Model Development and Training
6. Training at Scale
7. Hyperparameter Tuning with Katib

Part IV: Model Deployment
8. Serving Models with KServe
9. Production Operations

Part V: Enterprise Implementation
10. Production Best Practices
11. Platform Integration and Ecosystem