本書贊譽

“我希望在我剛接觸機器學習生產環境的時候就有這本書！它出色地概述了生產環境中的機器學習系統，特別是其在 TFX 中的實現。漢內斯和凱瑟琳直接與 TensorFlow 開發團隊合作，將最準確的信息匯總成清晰、簡明的解釋和示例呈現在了這本書中。”

——Robert Crowe，谷歌 TensorFlow 開發者大使

 

“數據科學家知道，應用級機器學習不僅僅是簡單的模型訓練。這本書解釋了隱藏在現代機器學習流水線中的技術債，從而幫助你將實驗或工廠數據科學工作模式集成到可重復的工作流中。”

——Josh Patterson，帕特森咨詢公司 CEO，《深度學習基礎與實踐》1
和 Kubeflow Operations Guide 聯合作者

1該書已由人民郵電出版社出版，詳情請見圖靈社區。——編者注

 

“如果你想知道如何創建自動化、可擴展、高復現性的機器學習流水線，那么這本書是不二之選！不論你是數據科學家、機器學習工程師、軟件工程師還是 DevOps 工程師，都可以從這本書中學到很多有用的知識。這本書還介紹了 TFX 的最新特性和組件。”

——Margaret Maynard-Reid，Tiny Peppers 機器學習工程師，
谷歌認證機器學習開發者專家，谷歌開發者協會西雅圖主要組織者

 

“這是一本令人愉悅的書。作為此領域的全面指南，這本書可以幫助數據科學家和機器學習工程師創建自動化、可復現的機器學習流水線。這本書清晰地概述了搭建機器學習流水線所需的組件，并提供了實用的代碼示例，讓你能快速上手。”

——Adewale Akinfaderin，AWS 數據科學家

 

“我很享受閱讀這本書的過程。在谷歌內部使用 TFX 多年后，隨著它的發展，我必須說，如果一開始就有這本書，我就不用從零開始摸索了。這本書可以省去我許多精力。感謝這本高質量的指南！”

——Lucas Ackerknecht，谷歌機器學習反濫用專家

 

“大家手上都有很多實驗模型。這本書介紹的工具和技術可以幫助你將實驗模型部署在生產環境中。不僅如此，你還可以學習如何創建端到端的流水線，用它自動、順暢地發布任何改進模型。這是一本出色的書，想要進一步掌握機器學習運維（MLOps）的新手可以使用書中知識與大團隊合作，充分發揮新模型的作用。”

——Vikram Tiwari，Omni Labs 聯合創始人

 

“作為只使用 TensorFlow 框架訓練深度學習模型的用戶，當我閱讀這本書時，TensorFlow 生態圈提供的流水線功能令我相當嘆服。如果想用 TensorFlow 開發機器學習流水線，那么這本書對 TFX 模型分析和模型部署所用到的諸多工具提供了出色、易用的指南。”

——Jacqueline Nolis 博士，Brightloom 數據科學家，Build a Career in Data Science 聯合作者

 

“這本書對機器學習工程進行了非凡的深度探討。書中清晰、實用的示例將教會你如何創建適用于生產的機器學習基礎架構。我認為，對所有想用機器學習解決現實問題的工程師和數據科學家來說，這都是一本需要仔細閱讀的書。”

——Leigh Johnson，Slack 機器學習服務資深工程師

 

“在谷歌內部，TensorFlow Extended 被廣泛用于各種機器學習項目。它系統地解決了機器學習系統的多個工程問題，涵蓋任務編排、海量數據處理、數據校驗、特征轉換、模型訓練、模型分析、模型驗證、線上服務等方面。此外，它還可結合多種編排系統，如 Airflow、Kubeflow 等。除了上述內容，這本書還覆蓋了差分隱私、聯邦學習等方向。3 位譯者作為 GDE，活躍于技術社區，以很好的翻譯質量將高質量內容呈現給中文讀者。這本書可作為機器學習基礎設施團隊的常備參考書。”

——顧仁民，SmartNews 廣告投放和商品廣告系統負責人，前谷歌工程師

 

“這本書對構建企業級機器學習流水線所涉及的典型組件和技術方法進行了系統的闡述，并通過豐富實用的案例實踐介紹了機器學習流水線各環節所需的先進工具，為企業實施 MLOps 以及實現和自動執行機器學習系統的持續集成、持續交付和持續訓練提供了十分有價值的參考。通過這本書，你可以學習如何構建自動化、可擴展、可復現的機器學習流水線，幫助團隊節省成本和時間，交付更好、更可靠、更安全的算法模型。”

——黃綠君，京東科技算法架構師