Serverless 架構下的 AI 應用開發:入門、實戰與性能優化
劉宇//田初東//盧萌凱//王仁達
- 出版商: 機械工業
- 出版日期: 2022-07-07
- 定價: $594
- 售價: 8.5 折 $505
- 語言: 簡體中文
- 頁數: 284
- 裝訂: 平裝
- ISBN: 7111707028
- ISBN-13: 9787111707028
-
相關分類:
Serverless
立即出貨
買這商品的人也買了...
-
$450$383 -
$594$564 -
$454Serverless 從入門到進階:架構、原理與實踐
-
$700$553 -
$403Web 安全 360度全面防護
-
$458Flutter 內核源碼剖析
-
$420$328 -
$550$435 -
$539$512 -
$534$507 -
$419$398 -
$352scikit-learn 機器學習實戰
-
$250機器學習經典算法實踐 (Python版)
-
$299$284 -
$403檢索匹配:深度學習在搜索、廣告、推薦系統中的應用
-
$305大數據分析:Python 爬蟲、數據清洗和數據可視化, 2/e (微課視頻版)
-
$254NoSQL數據庫從入門到實戰(微課視頻版)
-
$510前端性能揭秘
-
$714$678 -
$474$450 -
$704紅藍對抗 — 解密滲透測試與網絡安全建設
-
$403動手學推薦系統 — 基於 PyTorch 的算法實現 (微課視頻版)
-
$479$455 -
$599$569 -
$305網絡攻防實訓 (微課視頻版)
相關主題
商品描述
內容簡介
這是一部指導讀者在Serverless 架構下開發、部署和運維機器學習項目的實戰性著作。
本書由阿里巴#巴官方出品,來自阿里雲和螞蟻集團的Serverless產品專家、AI算法專家、Serverless解決方案架構師、
Serverless工具鏈技術負責人聯合撰寫,全方位地梳理和總結了阿里在Serverless架構下的機器學習實戰經驗,
得到了企業界和學術界的10餘位專家的高度認可。
具體內容上,本書主要包含如下幾個方面:
(1)Serverless架構基礎詳細介紹了Serverless架構的概念、特點和應用場景,
Serverless架構下的應用開發、部署的流程和方法,以及傳統的Web框架如何向Serverless架構遷移和部署,
這些都是在Serverless架構下開發和部署應用必#備的基礎知識。
(2)機器學習算法和機器學習框架在Serverless架構下的應用詳細講解了支持向量機、
神經網絡等各種機器學習常用的算法和模型,以及Scikit-learn、TensorFlow、
Pytorch、PaddlePaddle等4種主流深度學習框架與Serverless架構的結合,為讀者在Serverless架構下開發機器學習應用打下基礎。
(3)Serverless架構下的機器學習項目實戰首先通過幾個實戰案例講解了圖像識別、模型升級、
情感分析等機器學習領域的高頻應用的Serverless化,為傳統的AI應用遷移和部署到Serverless架構給出指引;
然後通過兩個綜合案例講解了機器學習應用在Serverless架構上從設計、開發、部署到運維的全流程。
(4)Serverless應用性能優化總結了Serverless架構下應用性能優化的方法和經驗,比如冷啟動的優化方案、開發注意事項等。
目錄大綱
序一
序二
序三
序四
序五
前言
第1章初識Serverless架構1
1.1 Serverless架構的概念1
1.2 Serverless架構的特點3
1.2.1 優勢與價值3
1.2.2 面臨的挑戰8
1.3 Serverless架構的應用場景16
第2章Serverless架構下的應用開發21
2.1 Serverless架構下的應用開發流程21
2.2 與ServerFul應用開發流程對比23
2.3 傳統Web框架部署與遷移26
2.3.1 請求集成方案26
2.3.2 其他方案31
2.4 Serverless應用的開發和部署34
2.4.1 如何開發、部署Serverless應用34
2.4.2 如何對Serverless應用進行調試45
2.4.3 通過開發者工具進行依賴安裝和項目構建54
2.4.4 Serverless架構與CI/CD工具的結合57
2.5 Serverless應用的可觀測性65
第3章機器學習入門68
3.1 什麼是人工智能68
3.1.1 人工智能、機器學習和深度學習68
3.1.2 人工智能的發展69
3.1.3 人工智能的典型應用場景71
3.2 常用的機器學習算法73
3.2.1 常見的監督學習算法73
3.2.2 常見的無監督學習算法85
3.2.3 其他常見的深度學習模型88
第4章主流機器學習框架與Serverless架構結合113
4.1 scikit-learn與Serverless架構結合113
4.1.1 scikit-learn介紹113
4.1.2 scikit-learn實踐:鳶尾花數據分類114
4.1.3 與Serverless架構結合:文本分類116
4.2 TensorFlow與Serverless架構結合122
4.2.1 TensorFlow介紹122
4.2.2 TensorFlow實踐:基於人工智能的衣物區分124
4.2.3 與Serverless架構結合:目標檢測系統127
4.3 PyTorch與Serverless架構結合133
4.3.1 PyTorch介紹133
4.3.2 PyTorch實踐:圖像分類系統134
4.3.3 與Serverless架構結合:對姓氏進行分類138
4.4 PaddlePaddle與Serverless架構結合143
4.4.1 PaddlePaddle介紹143
4.4.2 PaddlePaddle實踐:手寫數字識別任務144
4.4.3 與Serverless架構結合:Paddle-OCR項目開發與部署146
第5章Serverless架構下的AI項目實戰152
5.1 Serverless架構下的AI應用152
5.1.1 項目的開發與部署153
5.1.2 冷啟動優化153
5.1.3 訓練與推理性能優化154
5.1.4 模型更新迭代方案155
5.2 模型升級在Serverless架構下的實現與應用155
5.2.1 模型升級迭代需求背景介紹155
5.2.2 貓狗識別項目訓練156
5.2.3 將模型部署到Serverless架構164
5.2.4 用戶反饋與模型迭代170
5.2.5 項目總結173
5.3 人臉識別在Serverless架構下的應用174
5.3.1 人臉識別技術介紹174
5.3.2 人臉識別模型訓練176
5.3.3 人臉識別模型的應用182
5.3.4 項目Serverless化184
5.3.5 項目總結186
5.4 文本情感分析在Serverless架構下的應用187
5.4.1 文本情感分析介紹187
5.4.2 情感分析模型的訓練187
5.4.3 部署到Serverless架構195
5.4.4 項目Serverless化198
5.4.5 項目總結200
第6章基於Serverless架構的智能問答系統201
6.1 需求分析201
6.2 整體設計203
6.2.1 數據庫設計203
6.2.2 原型圖設計203
6.2.3 接口設計203
6.2.4 架構設計206
6.3 項目開發208
6.3.1 項目初始化208
6.3.2 數據庫與表的建設209
6.3.3 管理後台相關能力的配置211
6.3.4 業務邏輯開發213
6.4 項目部署與運維218
6.5 項目預覽223
6.6 項目總結224
第7章基於Serverless架構的人工智能相冊小程序226
7.1 需求分析226
7.2 整體設計228
7.2.1 數據庫設計228
7.2.2 原型圖設計231
7.2.3 細節設計232
7.2.4 架構設計233
7.3 項目開發237
7.3.1 項目初始化237
7.3.2 小程序開發239
7.3.3 服務端開發246
7.3.4 管理系統開發253
7.4 項目預覽254
7.5 經驗積累257
7.5.1 Web框架與阿里雲函數計算257
7.5.2 如何進行本地調試258
第8章Serverless應用的優化與註意事項261
8.1 函數基礎與資源編排261
8.1.1 函數並不是“函數”261
8.1.2 對無狀態性的認識264
8.1.3 資源評估的重要性265
8.1.4 工作流的加持267
8.2 警惕冷啟動268
8.2.1 雲廠商側的冷啟動優化方案269
8.2.2 開發者側降低冷啟動影響的方案271
8.3 應用開發注意事項275
8.3.1 如何上傳文件276
8.3.2 文件讀寫與持久化方法277
8.3.3 慎用部分Web框架的特性277
8.3.4 應用組成結構注意事項278
8.3.5 如何實現WebSocket278
8.3.6 善於利用平台特性282