Python机器学习建模与部署 从Keras到Kubernetes

作者简介

达塔拉·拉奥（Dattaraj Rao） 目前担任Persistent Systems公司的创新与研发架构师，并领导该公司的人工智能研究实验室。曾任印度班加罗尔通用电气公司（GE）的首席架构师，在GE工作了19年，通过GE获得了11项专利，是GE认证的分析工程师。他曾主导运输业务的分析和人工智能战略，构建工业物联网解决方案，推动预见性维护、机器视觉和数字孪生等技术成果的落地。 【译者简介】 崔艳荣，教授，博士，硕士生导师，长江大学计算机科学学院院长。主持和参与各级各类项目20余项，发表论文30余篇，其中被EI检索8篇。主编21世纪高等学校规划教材《物联网概论》。辅导学生参加全国计算机仿真大赛，获全国一等奖1项、二等奖1项、三等奖2项。 詹炜，博士，副教授，长江大学计算机科学学院副院长。主要从事图像深度学习算法、计算机视觉技术和智能多目标优化算法3个方向的应用研究工作；主持并完成省级项目2项，厅局级项目2项，发表科研论文20余篇。 杨慧明，就读于长江大学计算机科学学院。擅长机器学习与数字图像处理，目前深入学习编译器和程序动态运行机制。

内容简介

1..本书为软件开发人员和数据科学家而写，详细说明了如何构建Keras模型以在Kubernetes集群上扩展和部署，介绍了从模型到生产的整个过程，并专注于大规模部署机器学习算法和深度学习算法以及处理大数据的技巧。 3.书中关注通用的基本概念，这些概念即使在工具改变时也保持不变。 4.本书提供了代码文件和示例数据集，并推荐了很多实用的学习资源。读者可跟着书中的示例来操作，并在此基础上探索新的解决方案。 介绍机器学习与深度学习的基础知识与前沿动态 提出收集数据和管理数据的新方法，以处理更大的数据集 探讨人工智能如何适应快速迭代的现代软件开发流程 介绍云计算、容器和CaaS，以及如何将应用程序作为微服务部署在Kubernetes中 介绍机器学习模型生命周期，以及如何将其部署到边缘设备