کتاب Serverless Machine Learning with Amazon Redshift

کتاب Serverless Machine Learning with Amazon Redshift: Create, train, and deploy machine learning models using familiar SQL commands (یادگیری ماشین بدون سرور با Amazon Redshift: ایجاد، آموزش و استقرار مدل‌های یادگیری ماشینی با استفاده از دستورات آشنای SQL) با استفاده از ابزار Amazon Redshift به استقرار مدل‌های یادگیری ماشین و شرح آن‌ها خواهد پرداخت.

در ادامه مقدمه‌ای از کتاب Serverless Machine Learning with Amazon Redshift را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Serverless Machine Learning with Amazon Redshift:

Amazon Redshift Serverless سازمان‌ها را قادر می‌سازد تا انبارهای داده ابری در مقیاس پتابایت را به سرعت و به روشی مقرون‌به‌صرفه راه‌اندازی کنند، و متخصصان علوم داده را قادر می‌سازد تا انبارهای داده ابری را به طور مؤثر مستقر کنند و از ابزارهای با کاربرد آسان برای آموزش مدل‌ها و اجرای پیش‌بینی‌ها استفاده کنند. این راهنمای عملی به توسعه دهندگان و متخصصان داده که با انبارهای داده Amazon Redshift کار می‌کنند کمک می‌کند تا دانش SQL خود را برای آموزش و استقرار مدل‌های یادگیری ماشینی به کار گیرند.

کتاب Serverless Machine Learning with Amazon Redshift با کمک به شما برای کشف عملکردهای درونی Redshift Serverless و همچنین مبانی تجزیه و تحلیل داده‌ها و انواع یادگیری ماشین داده آغاز می‌شود. با کمک توضیحات گام‌به‌گام مفاهیم اساسی و مثال‌های عملی، سپس یاد خواهید گرفت که مدل‌های طبقه‌بندی و رگرسیون خود را بسازید.

با پیشروی، متوجه خواهید شد که چگونه می‌توانید انواع مختلف پروژه‌های یادگیری ماشین را با استفاده از کد SQL آشنا، قبل از بررسی Redshift ML اجرا کنید. در فصل‌های پایانی، بهترین روش‌ها برای پیاده‌سازی معماری بدون سرور با Redshift را خواهید دید.

در پایان کتاب Serverless Machine Learning with Amazon Redshift، می‌توانید Amazon Redshift Serverless را پیکربندی و استقرار دهید، مدل‌های یادگیری ماشین را با استفاده از Amazon Redshift ML آموزش دهید و استقرار دهید، و پرسش‌های استنتاج را در مقیاس اجرا کنید.

بیشتر بخوانید: کتاب Feature Store for Machine Learning

کتاب Serverless Machine Learning with Amazon Redshift برای چه کسی است؟

دانشمندان داده و توسعه‌دهندگان یادگیری ماشین که با Amazon Redshift کار می‌کنند و می‌خواهند قابلیت‌های یادگیری ماشینی آن را کشف کنند، این راهنمای قطعی را مفید خواهند یافت. درک اساسی از تکنیک‌های یادگیری ماشین و دانش کاری Amazon Redshift برای استفاده حداکثری از این کتاب مورد نیاز است.

آنچه کتاب Serverless Machine Learning with Amazon Redshift پوشش می‌دهد:

فصل 1، مقدمه‌ای بر Amazon Redshift Serverless، مروری بر Amazon Redshift و Redshift Serverless ارائه می‌کند و شما را با نحوه شروع کار در عرض چند دقیقه و اتصال با Redshift Query Editor v2 آشنا می‌کند. شما یک پایگاه داده نمونه ایجاد می‌کنید و با استفاده از ویژگی Notebook پرس و جوها را اجرا می‌کنید.

فصل 2، بارگیری داده و تجزیه و تحلیل در Redshift Serverless، به شما کمک می‌کند مکانیسم‌های مختلف را برای بارگذاری موثر داده‌ها در Redshift Serverless یاد بگیرید.

فصل 3، کاربرد یادگیری ماشینی در انبار داده شما، یادگیری ماشین و موارد استفاده متداول را برای اعمال در انبار داده شما معرفی می‌کند.

فصل 4، استفاده از یادگیری ماشینی آمازون Redshift، بر اساس فصل 3 ساخته شده است. در اینجا، به Amazon Redshift ML می‌پردازیم و یاد می‌گیریم که چگونه کار می‌کند و چگونه از آن برای حل موارد استفاده استفاده کنیم.

در فصل 5، ساختن اولین مدل یادگیری ماشینی، می‌بینید که شما با Amazon Redshift ML دست به کار می‌شوید و اولین مدل خود را با استفاده از نحو ساده CREATE MODEL می‌سازید.

فصل 6 کتاب Serverless Machine Learning with Amazon Redshift، مدل‌های طبقه‌بندی ساختمان، مسائل طبقه‌بندی و الگوریتم‌هایی را که می‌توانید در Amazon Redshift ML برای حل این مشکلات استفاده کنید و نحوه ایجاد یک مدل با راهنمایی کاربر را بیاموزید، پوشش می‌دهد.

فصل 7، ساخت مدل‌های رگرسیون، به شما کمک می‌کند تشخیص دهید که آیا یک مشکل شامل رگرسیون است یا خیر و روش‌های مختلف موجود در Amazon Redshift ML برای آموزش و ساخت مدل‌های رگرسیون را بررسی می‌کند.

فصل 8، ساخت مدل‌های بدون نظارت با K-Means Clustering، به شما نشان می‌دهد که چگونه مدل‌های یادگیری ماشین را با داده‌های بدون برچسب بسازید و با استفاده از خوشه‌بندی K-means در سطح مشاهده پیش‌بینی کنید.

فصل 9، یادگیری عمیق با Redshift ML، استفاده از یادگیری عمیق را در Amazon Redshift ML با استفاده از نوع مدل MLP برای داده‌هایی که به صورت خطی قابل تفکیک نیستند، پوشش می‌دهد.

فصل 10، ایجاد مدل ML سفارشی با XGBoost، به شما نشان می‌دهد که چگونه از گزینه Auto Off Amazon Redshift ML برای آماده‌سازی داده‌ها به منظور ساخت یک مدل سفارشی استفاده کنید.

فصل 11 کتاب Serverless Machine Learning with Amazon Redshift، مدل‌های خود را برای استنتاج در پایگاه داده بیاورید، فراتر از مدل‌های Redshift ML است. تا این مرحله در کتاب، ما فقط در مدل‌هایی که مستقیماً در Amazon Redshift ML ساخته شده اند، پرس و جوهای استنتاج را اجرا خواهیم کرد. این فصل نشان می‌دهد که چگونه می‌توانید از مدل‌های ساخته شده خارج از Amazon Redshift ML استفاده کنید و درخواست‌های استنتاج را در Amazon Redshift ML اجرا کنید.

فصل 12، پیش‌بینی سری‌های زمانی در انبار داده شما، به پیش‌بینی و داده‌های سری زمانی با استفاده از ادغام Amazon Forecast با Amazon Redshift ML می‌پردازد.

فصل 13، عملیاتی‌سازی و بهینه‌سازی مدل‌های آمازون Redshift ML، کتاب را با نمایش تکنیک‌هایی برای به‌روزرسانی مدل، ایجاد نسخه‌های مدل‌های شما، و بهینه‌سازی مدل‌های Amazon Redshift ML به پایان می‌رساند.

بیشتر بخوانید: کتاب Time Series Analysis with Python Cookbook

سرفصل‌های کتاب Serverless Machine Learning with Amazon Redshift:

• Serverless Machine Learning with Amazon Redshift ML
• Foreword
• Contributors
• About the authors
• About the reviewers
• Preface
• Part 1:Redshift Overview: Getting Started with Redshift Serverless and an Introduction to Machine Learning
  • Chapter 1: Introduction to Amazon Redshift Serverless
  • Chapter 2: Data Loading and Analytics on Redshift Serverless
  • Chapter 3: Applying Machine Learning in Your Data Warehouse
• Part 2:Getting Started with Redshift ML
  • Chapter 4: Leveraging Amazon Redshift ML
  • Chapter 5: Building Your First Machine Learning Model
  • Chapter 6: Building Classification Models
  • Chapter 7: Building Regression Models
  • Chapter 8: Building Unsupervised Models with K-Means Clustering
• Part 3:Deploying Models with Redshift ML
  • Chapter 9: Deep Learning with Redshift ML
  • Chapter 10: Creating a Custom ML Model with XGBoost
  • Chapter 11: Bringing Your Own Models for Database Inference
  • Chapter 12: Time-Series Forecasting in Your Data Warehouse
  • Chapter 13: Operationalizing and Optimizing Amazon Redshift ML Models
• Index
• Other Books You May Enjoy

جهت دانلود کتاب Serverless Machine Learning with Amazon Redshift می‌توانید پس از پرداخت، دریافت کنید.