在过去的几年中，深度学习的研究进展迅速。框架和库不断地被开发和更新。然而，我们仍然缺乏关于如何服务、部署和扩展深度学习模型的标准化解决方案。深度学习基础设施还不是很成熟。这本书积累了一套关于如何构建鲁棒和可扩展的机器学习应用程序的最佳实践和方法。它涵盖了从数据处理和训练到部署和维护的整个生命周期。它将帮助您了解如何将软件社区中普遍接受和应用的方法转移到深度学习项目中。对于没有什么软件背景的研究人员，没有多少机器学习经验的软件工程师，或者有抱负的机器学习工程师来说，这是一个很好的选择。
构建、训练、部署、扩展和维护深度学习模型。通过实际示例了解ML基础结构和MLOps。
你会学到什么?
编写深度学习代码的最佳实践 如何单元测试和调试机器学习代码 如何构建和部署有效的数据管道 如何为深度学习模型服务 如何部署和扩展应用程序 什么是MLOps以及如何构建端到端管道 这本书是给谁看的? 从深度学习开始的软件工程师 软件工程背景有限的机器学习研究人员 寻求加强知识的机器学习工程师 希望生产模型并构建面向客户的应用程序的数据科学家 你将使用什么工具?