زیرساخت مؤثر علم داده ۲۰۲۲
Effective Data Science Infrastructure 2022

در زیرساخت مؤثر علم داده، خواهید آموخت چگونه:

* زیرساخت علم داده‌ای را طراحی کنید که بهره‌وری را افزایش دهد.
* محاسبات و هماهنگی را در فضای ابری مدیریت کنید.
* یادگیری ماشین را در محیط تولید مستقر کنید.
* عملکرد و نتایج را نظارت و مدیریت کنید.
* ابزارهای مبتنی بر ابر را در یک محیط علم داده منسجم ترکیب کنید.
* پروژه‌های علم داده قابل بازتولید را با استفاده از Metaflow، Conda و Docker توسعه دهید.
* معماری برنامه‌های پیچیده را برای تیم‌های متعدد و مجموعه‌داده‌های بزرگ طراحی کنید.
* زیرساخت علم داده را سفارشی و توسعه دهید.

زیرساخت مؤثر علم داده: چگونه دانشمندان داده را سازنده‌تر کنیم یک راهنمای عملی برای گردآوری زیرساخت برای برنامه‌های علم داده و یادگیری ماشین است. این کتاب فرآیندهایی را که در نتفلیکس و سایر شرکت‌های داده‌محور برای مدیریت زیرساخت داده پیشرفته خود استفاده می‌کنند، آشکار می‌سازد. در این کتاب، تکنیک‌های مقیاس‌پذیر برای ذخیره‌سازی داده‌ها، محاسبات، ردیابی آزمایش‌ها و هماهنگی را که برای شرکت‌ها در هر شکل و اندازه‌ای مرتبط است، فرا خواهید گرفت. خواهید آموخت که چگونه می‌توانید دانشمندان داده را با زیرساخت ابری موجود، مجموعه‌ای از نرم‌افزارهای متن‌باز و پایتون بومی، سازنده‌تر کنید.

درآمد حاصل از فروش این کتاب توسط نویسنده به موسسات خیریه‌ای اهدا می‌شود که از زنان و گروه‌های کمتر نماینده در علم داده حمایت می‌کنند.

درباره فناوری:
توسعه پروژه‌های علم داده از نمونه اولیه تا تولید نیازمند زیرساخت قابل اعتماد است. با استفاده از تکنیک‌ها و ابزارهای قدرتمند جدید در این کتاب، می‌توانید یک پشته زیرساختی راه‌اندازی کنید که با هر سازمانی، از استارت‌آپ‌ها تا بزرگترین شرکت‌ها، مقیاس‌پذیر باشد.

درباره کتاب:
زیرساخت مؤثر علم داده به شما می‌آموزد که چگونه خطوط لوله داده و گردش‌های کاری پروژه‌ای را بسازید که دانشمندان داده و پروژه‌های آنها را تقویت می‌کند. این کتاب بر اساس ابزارها و مفاهیم پیشرفته‌ای که عملیات داده نتفلیکس را تامین می‌کنند، یک رویکرد مبتنی بر ابر و قابل تنظیم برای توسعه مدل و MLOps معرفی می‌کند که می‌توانید به راحتی آن را با نیازهای خاص شرکت خود تطبیق دهید. با استقرار این فرآیندهای عملی، تیم‌های شما هنگام استفاده از علم داده و یادگیری ماشین برای طیف گسترده‌ای از مسائل تجاری، نتایج بهتر و سریع‌تری را تولید خواهند کرد.

محتوای داخلی:

* محاسبات و هماهنگی را در فضای ابری مدیریت کنید.
* ابزارهای مبتنی بر ابر را در یک محیط علم داده منسجم ترکیب کنید.
* پروژه‌های علم داده قابل بازتولید را با استفاده از Metaflow، AWS و اکوسیستم داده پایتون توسعه دهید.
* معماری برنامه‌های پیچیده‌ای را طراحی کنید که به مجموعه‌داده‌ها و مدل‌های بزرگ و تیمی از دانشمندان داده نیاز دارند.

درباره خواننده:
برای مهندسان زیرساخت و دانشمندان داده مهندس‌محور که با پایتون آشنا هستند.

درباره نویسنده:
ویل توولوس در نتفلیکس، Metaflow، یک چارچوب تمام پشته برای علم داده را طراحی و ساخت. در حال حاضر، او مدیرعامل یک استارت‌آپ با تمرکز بر زیرساخت علم داده است.

فهرست مطالب:
1 معرفی زیرساخت علم داده
2 زنجیره ابزار علم داده
3 معرفی Metaflow
4 مقیاس‌پذیری با لایه محاسباتی
5 تمرین مقیاس‌پذیری و عملکرد
6 رفتن به تولید
7 پردازش داده‌ها
8 استفاده و بهره‌برداری از مدل‌ها
9 یادگیری ماشین با پشته کامل

In Effective Data Science Infrastructure you will learn how to:

Design data science infrastructure that boosts productivity
Handle compute and orchestration in the cloud
Deploy machine learning to production
Monitor and manage performance and results
Combine cloud-based tools into a cohesive data science environment
Develop reproducible data science projects using Metaflow, Conda, and Docker
Architect complex applications for multiple teams and large datasets
Customize and grow data science infrastructure

Effective Data Science Infrastructure: How to make data scientists more productive is a hands-on guide to assembling infrastructure for data science and machine learning applications. It reveals the processes used at Netflix and other data-driven companies to manage their cutting edge data infrastructure. In it, you’ll master scalable techniques for data storage, computation, experiment tracking, and orchestration that are relevant to companies of all shapes and sizes. You’ll learn how you can make data scientists more productive with your existing cloud infrastructure, a stack of open source software, and idiomatic Python.

The author is donating proceeds from this book to charities that support women and underrepresented groups in data science.

About the technology
Growing data science projects from prototype to production requires reliable infrastructure. Using the powerful new techniques and tooling in this book, you can stand up an infrastructure stack that will scale with any organization, from startups to the largest enterprises.

About the book
Effective Data Science Infrastructure teaches you to build data pipelines and project workflows that will supercharge data scientists and their projects. Based on state-of-the-art tools and concepts that power data operations of Netflix, this book introduces a customizable cloud-based approach to model development and MLOps that you can easily adapt to your company’s specific needs. As you roll out these practical processes, your teams will produce better and faster results when applying data science and machine learning to a wide array of business problems.

What’s inside

Handle compute and orchestration in the cloud
Combine cloud-based tools into a cohesive data science environment
Develop reproducible data science projects using Metaflow, AWS, and the Python data ecosystem
Architect complex applications that require large datasets and models, and a team of data scientists

About the reader
For infrastructure engineers and engineering-minded data scientists who are familiar with Python.

About the author
At Netflix, Ville Tuulos designed and built Metaflow, a full-stack framework for data science. Currently, he is the CEO of a startup focusing on data science infrastructure.

Table of Contents
1 Introducing data science infrastructure
2 The toolchain of data science
3 Introducing Metaflow
4 Scaling with the compute layer
5 Practicing scalability and performance
6 Going to production
7 Processing data
8 Using and operating models
9 Machine learning with the full stack