|
|
|
|
LEADER |
01802nmm a2200277 u 4500 |
001 |
EB002004088 |
003 |
EBX01000000000000001166989 |
005 |
00000000000000.0 |
007 |
cr||||||||||||||||||||| |
008 |
211025 ||| eng |
100 |
1 |
|
|a Treveil, Mark
|
245 |
0 |
0 |
|a MLOps - Kernkonzepte im Überblick
|c Treveil, Mark
|
250 |
|
|
|a 1st edition
|
260 |
|
|
|a [Erscheinungsort nicht ermittelbar], Boston, MA
|b dpunkt, Safari
|c 2021
|
300 |
|
|
|a 204 pages
|
653 |
|
|
|a Electronic books ; local
|
700 |
1 |
|
|a Stenac, Clément
|e VerfasserIn
|
700 |
1 |
|
|a Omont, Nicolas
|e VerfasserIn
|
700 |
1 |
|
|a Lefèvre, Kenji
|e VerfasserIn
|
041 |
0 |
7 |
|a eng
|2 ISO 639-2
|
989 |
|
|
|b OREILLY
|a O'Reilly
|
500 |
|
|
|a Online resource; Title from title page (viewed August 1, 2021)
|
856 |
4 |
0 |
|u https://learning.oreilly.com/library/view/~/9781098129651/?ar
|x Verlag
|3 Volltext
|
082 |
0 |
|
|a 006.3/1
|
082 |
0 |
|
|a 011.39
|
520 |
|
|
|a 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-Produktlworkflow integriert werden können
|