MEAP 電子書 - Real-World ML Systems on Kubernetes

在 Kubernetes 上建立可擴展、高效且經濟高效的機器學習系統。

MEAP 於2024年12月啟動，最後更新於2025年4月。正在發展中

Kubernetes 上的真實世界機器學習系統教您基於業界標準 Kubernetes 平台建立可擴展的機器學習系統。透過創建與您的專案完全匹配的與平台無關的開源系統，您將避免供應商鎖定和不靈活的現成解決方案。

在 Kubernetes 上的現實世界機器學習系統中，您將學習如何：

大規模訓練機器學習模型
可靠地服務任何規模的機器學習模型
設計並交付可擴展的資料分析平台
使用 Kubernetes 提高資料科學效率
將現代 DevOps 實踐運用到資料科學工作中

Kubernetes 上的真實世界機器學習系統引入了一個開源軟體工具箱，您可以使用它來建立自訂機器學習平台。從中您將學習如何使用 Ray、Kubeflow、Airflow、Spark、JupyterHub 和 Keycloak 以及 Kubernetes 來提供一流的 MLOps。本書彌合了理論與實踐之間的差距，幫助您將對機器學習的學術理解轉化為基於現實世界要求的工作模型。別擔心—沒有複雜的編排或雲端原生開發概述。您將學到足夠的 Kubernetes 知識來建立和管理您的 ML 管道。

關於這本書

Kubernetes 上的真實世界機器學習系統為您制定了一個全面的藍圖，供您遵循，以使用 Kubernetes 進行大規模模型訓練和部署。本書充滿了生產級程式碼範例和實作範例，這些範例專注於利用 Kubernetes 進行資料科學。您將了解 Kubernetes 如何簡化資料工程工作流程，並用於高階機器學習任務，例如超參數最佳化、分散式訓練和可靠地服務大規模模型。

在整個過程中，實際專案讓您紮根於現實世界的應用程序，包括使用 JupyterHub 為資料科學家開發開發平台、使用 Apache Airflow 運行管道以及使用 Ray 大規模部署模型。

內容包含

目標讀者

適合熟悉雲端基礎知識的軟體和機器學習工程師。

關於作者

Re Alvarez Parmar 是 Amazon Web Services (AWS) 的首席專家解決方案架構師，他為財富 100 強公司提供有關建置雲端原生系統的建議。他在設計、建造和經營企業系統方面擁有 20 多年的經驗。他目前專注於現代應用程式開發模式、雲端架構和 Kubernetes。

Elamaran (Ela) Shanmugam 是 Amazon Web Services 的高級專家解決方案架構師，在設計、建置和營運企業系統和基礎設施方面擁有 20 多年的經驗。