Artikelnummer | 9783960091721 |
---|---|
Produkttyp | Buch |
Preis | 48,50 CHF |
Verfügbarkeit | Lieferbar |
Einband | AI, Artificial Intelligence, Deep Learning, KI, Künstliche Intelligenz, Maschinelles Lernen, Neuronale Netze, python, Statistische Datenanalyse, Machine Learning Operations, DevOPs, Machine-Learning-Modelle, Data Science, Data Engineering, Data Engineering, Data Engineering, Kartonierter Einband (Kt) |
Meldetext | Lieferbar in 48 Stunden |
Autor | Treveil, Mark / Fraaß, Marcus |
Verlag | O'Reilly |
Weight | 0,0 |
Erscheinungsjahr | 20210826 |
Seitenangabe | 204 |
Sprache | ger |
Anzahl der Bewertungen | 0 |
MLOps – Kernkonzepte im Überblick Buchkatalog
Erfolgreiche ML-Pipelines entwickeln und mit MLOps organisatorische Herausforderungen meistern - Stellt DevOps-Konzepte vor, die die speziellen Anforderungen von ML-Anwendungen berücksichtigen - Umfasst die Verwaltung, Bereitstellung, Skalierung und Überwachung von ML-Modellen im Unternehmensumfeld - Für Data Scientists und Data Engineers, die nach besseren Strategien für den produktiven Einsatz ihrer ML-Modelle suchen Viele Machine-Learning-Modelle, die in Unternehmen entwickelt werden, schaffen es aufgrund von organisatorischen und technischen Hürden nicht in den produktiven Betrieb. Dieses Buch zeigt Ihnen, wie Sie erprobte MLOps-Strategien einsetzen, um eine erfolgreiche DevOps-Umgebung für Ihre ML-Modelle aufzubauen, sie kontinuierlich zu verbessern und langfristig zu warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ihre ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen, die auf zahlreichen MLOps-Anwendungen auf der ganzen Welt basieren, geben neun ML-Experten wertvolle Einblicke in die fünf Schritte des Modelllebenszyklus - Build, Preproduction, Deployment, Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktworkflow integriert werden können.
48,50 CHF
Lieferbar
Dieser Artikel hat noch keine Bewertungen.