本书赞誉

“我希望在我刚接触机器学习生产环境的时候就有这本书！它出色地概述了生产环境中的机器学习系统，特别是其在 TFX 中的实现。汉内斯和凯瑟琳直接与 TensorFlow 开发团队合作，将最准确的信息汇总成清晰、简明的解释和示例呈现在了这本书中。”

——Robert Crowe，谷歌 TensorFlow 开发者大使

 

“数据科学家知道，应用级机器学习不仅仅是简单的模型训练。这本书解释了隐藏在现代机器学习流水线中的技术债，从而帮助你将实验或工厂数据科学工作模式集成到可重复的工作流中。”

——Josh Patterson，帕特森咨询公司 CEO，《深度学习基础与实践》1
和 Kubeflow Operations Guide 联合作者

1该书已由人民邮电出版社出版，详情请见图灵社区。——编者注

 

“如果你想知道如何创建自动化、可扩展、高复现性的机器学习流水线，那么这本书是不二之选！不论你是数据科学家、机器学习工程师、软件工程师还是 DevOps 工程师，都可以从这本书中学到很多有用的知识。这本书还介绍了 TFX 的最新特性和组件。”

——Margaret Maynard-Reid，Tiny Peppers 机器学习工程师，
谷歌认证机器学习开发者专家，谷歌开发者协会西雅图主要组织者

 

“这是一本令人愉悦的书。作为此领域的全面指南，这本书可以帮助数据科学家和机器学习工程师创建自动化、可复现的机器学习流水线。这本书清晰地概述了搭建机器学习流水线所需的组件，并提供了实用的代码示例，让你能快速上手。”

——Adewale Akinfaderin，AWS 数据科学家

 

“我很享受阅读这本书的过程。在谷歌内部使用 TFX 多年后，随着它的发展，我必须说，如果一开始就有这本书，我就不用从零开始摸索了。这本书可以省去我许多精力。感谢这本高质量的指南！”

——Lucas Ackerknecht，谷歌机器学习反滥用专家

 

“大家手上都有很多实验模型。这本书介绍的工具和技术可以帮助你将实验模型部署在生产环境中。不仅如此，你还可以学习如何创建端到端的流水线，用它自动、顺畅地发布任何改进模型。这是一本出色的书，想要进一步掌握机器学习运维（MLOps）的新手可以使用书中知识与大团队合作，充分发挥新模型的作用。”

——Vikram Tiwari，Omni Labs 联合创始人

 

“作为只使用 TensorFlow 框架训练深度学习模型的用户，当我阅读这本书时，TensorFlow 生态圈提供的流水线功能令我相当叹服。如果想用 TensorFlow 开发机器学习流水线，那么这本书对 TFX 模型分析和模型部署所用到的诸多工具提供了出色、易用的指南。”

——Jacqueline Nolis 博士，Brightloom 数据科学家，Build a Career in Data Science 联合作者

 

“这本书对机器学习工程进行了非凡的深度探讨。书中清晰、实用的示例将教会你如何创建适用于生产的机器学习基础架构。我认为，对所有想用机器学习解决现实问题的工程师和数据科学家来说，这都是一本需要仔细阅读的书。”

——Leigh Johnson，Slack 机器学习服务资深工程师

 

“在谷歌内部，TensorFlow Extended 被广泛用于各种机器学习项目。它系统地解决了机器学习系统的多个工程问题，涵盖任务编排、海量数据处理、数据校验、特征转换、模型训练、模型分析、模型验证、线上服务等方面。此外，它还可结合多种编排系统，如 Airflow、Kubeflow 等。除了上述内容，这本书还覆盖了差分隐私、联邦学习等方向。3 位译者作为 GDE，活跃于技术社区，以很好的翻译质量将高质量内容呈现给中文读者。这本书可作为机器学习基础设施团队的常备参考书。”

——顾仁民，SmartNews 广告投放和商品广告系统负责人，前谷歌工程师

 

“这本书对构建企业级机器学习流水线所涉及的典型组件和技术方法进行了系统的阐述，并通过丰富实用的案例实践介绍了机器学习流水线各环节所需的先进工具，为企业实施 MLOps 以及实现和自动执行机器学习系统的持续集成、持续交付和持续训练提供了十分有价值的参考。通过这本书，你可以学习如何构建自动化、可扩展、可复现的机器学习流水线，帮助团队节省成本和时间，交付更好、更可靠、更安全的算法模型。”

——黄绿君，京东科技算法架构师