MLOps – Kernkonzepte im Überblick
Treveil, Mark
Produktnummer:
1888453732ef914ec6936956c1c955a383
Autor: | Treveil, Mark |
---|---|
Themengebiete: | AI Artificial Intelligence Deep Learning KI Künstliche Intelligenz Machine Learning Operations Maschinelles Lernen Neuronale Netze Python Statistische Datenanalyse |
Veröffentlichungsdatum: | 26.08.2021 |
EAN: | 9783960091721 |
Auflage: | 1 |
Sprache: | Deutsch |
Seitenzahl: | 204 |
Produktart: | Kartoniert / Broschiert |
Verlag: | O'Reilly |
Untertitel: | Machine-Learning-Prozesse im Unternehmen nachhaltig automatisieren und skalieren |
Produktinformationen "MLOps – Kernkonzepte im Überblick"
Erfolgreiche ML-Pipelines entwickeln und mit MLOps organisatorische Herausforderungen meistern Stellt DevOps-Konzepte vor, die die speziellen Anforderungen von ML-Anwendungen berücksichtigenUmfasst die Verwaltung, Bereitstellung, Skalierung und Überwachung von Machine-Learning-Modellen im UnternehmensumfeldFür Data Scientists und Data Engineers, die nach besseren Strategien für den produktiven Einsatz ihrer ML-Modelle suchenMachine-Learning-Modelle zu entwickeln ist das eine, sie im Produktivbetrieb effizient einzusetzen, eine ebenfalls nicht zu unterschätzende Herausforderung – so die Erfahrung vieler Unternehmen. Dieses Buch zeigt Ihnen, wie Sie mithilfe durchdachter MLOps-Strategien eine stabile DevOps-Umgebung für Ihre ML-Anwendungen aufbauen, Ihre Modelle kontinuierlich verbessern und langfristig warten.Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen aus der ganzen Welt geben neun ML-Experten praxiserprobte Hilfestellungen zu den fünf Schritten des Modelllebenszyklus – Entwicklung, Preproduction, Deployment, Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktworkflow integriert werden können.Erschließen Sie den Wert Ihrer Data-Science-Anwendungen für Ihr Unternehmen vollständig, indem Sie Störfaktoren in ML-Pipelines und -Workflows ausräumenVerfeinern Sie Ihre ML-Modelle durch Retraining, regelmäßiges Tuning und grundlegende Überarbeitung, um eine dauerhaft hohe Qualität zu gewährleistenOrganisieren Sie den MLOps-Lebenszyklus so, dass Risiken, die in den Modellen stecken könnten, minimiert werden, damit die Ergebnisse unverzerrt, ausgewogen und nachvollziehbar sindOptimieren Sie ML-Modelle nicht nur für die eigene Deployment-Pipeline, sondern auch für externe Partner, deren Systeme komplexer und weniger standardisiert sind»Wenn Sie auf der Suche nach Strategien sind, um die konkreten Prozesse der ML-Entwicklung zwischen den Teams zu verbessern, ist dieses Buch genau das Richtige für Sie.«— Adi Polak, Senior Software Engineer, Microsoft

Sie möchten lieber vor Ort einkaufen?
Sie haben Fragen zu diesem oder anderen Produkten oder möchten einfach gerne analog im Laden stöbern? Wir sind gerne für Sie da und beraten Sie auch telefonisch.
Juristische Fachbuchhandlung
Georg Blendl
Parcellistraße 5 (Maxburg)
8033 München
Montag - Freitag: 8:15 -18 Uhr
Samstags geschlossen