|
|
|
|
| LEADER |
02907nmm a2200481 u 4500 |
| 001 |
EB002067925 |
| 003 |
EBX01000000000000001208015 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
220922 ||| ger |
| 050 |
|
4 |
|a Q325.5
|
| 100 |
1 |
|
|a Fregly, Chris
|
| 130 |
0 |
|
|a Data science on AWS.
|
| 245 |
0 |
0 |
|a Data Science mit AWS
|b end-to-end pipelines für continuous machine learning implementieren
|c Chris Fregly & Antje Barth ; Deutsche Übersetzung von Marcus Fraaß
|
| 250 |
|
|
|a 1. Auflage
|
| 260 |
|
|
|a Heidelberg
|b dpunkt
|c 2022
|
| 300 |
|
|
|a 550 pages
|b illustrations
|
| 505 |
0 |
|
|a Includes bibliographical references and index
|
| 653 |
|
|
|a Cloud computing / fast
|
| 653 |
|
|
|a Machine learning / http://id.loc.gov/authorities/subjects/sh85079324
|
| 653 |
|
|
|a Infonuagique
|
| 653 |
|
|
|a Amazon Web Services (Firm) / http://id.loc.gov/authorities/names/no2015140713
|
| 653 |
|
|
|a Artificial intelligence / fast
|
| 653 |
|
|
|a Artificial intelligence / http://id.loc.gov/authorities/subjects/sh85008180
|
| 653 |
|
|
|a Web services / fast
|
| 653 |
|
|
|a Artificial Intelligence
|
| 653 |
|
|
|a Intelligence artificielle
|
| 653 |
|
|
|a Cloud computing / http://id.loc.gov/authorities/subjects/sh2008004883
|
| 653 |
|
|
|a Web services / http://id.loc.gov/authorities/subjects/sh2003001435
|
| 653 |
|
|
|a Machine learning / fast
|
| 653 |
|
|
|a Apprentissage automatique
|
| 653 |
|
|
|a artificial intelligence / aat
|
| 653 |
|
|
|a Amazon Web Services (Firm) / fast
|
| 653 |
|
|
|a Services Web
|
| 653 |
|
|
|a Machine Learning
|
| 700 |
1 |
|
|a Barth, Antje
|e author
|
| 700 |
1 |
|
|a Fraaß, Marcus
|e translator
|
| 041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
| 989 |
|
|
|b OREILLY
|a O'Reilly
|
| 776 |
|
|
|z 9783960091844
|
| 856 |
4 |
0 |
|u https://learning.oreilly.com/library/view/~/9781098141080/?ar
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 006.3/1
|
| 520 |
|
|
|a Mit diesem Buch lernen Machine-Learning- und KI-Praktiker, wie sie erfolgreich Data-Science-Projekte mit Amazon Web Services erstellen und in den produktiven Einsatz bringen. Es bietet einen detaillierten Einblick in den KI- und Machine-Learning-Stack von Amazon, der Data Science, Data Engineering und Anwendungsentwicklung vereint. Chris Fregly und Antje Barth beschreiben verständlich und umfassend, wie Sie das breite Spektrum an AWS-Tools nutzbringend für Ihre ML-Projekte einsetzen. Der praxisorientierte Leitfaden zeigt Ihnen konkret, wie Sie ML-Pipelines in der Cloud erstellen und die Ergebnisse dann innerhalb von Minuten in Anwendungen integrieren. Sie erfahren, wie Sie alle Teilschritte eines Workflows zu einer wiederverwendbaren MLOps-Pipeline bündeln, und Sie lernen zahlreiche reale Use Cases zum Beispiel aus den Bereichen Natural Language Processing, Computer Vision oder Betrugserkennung kennen. Im gesamten Buch wird zudem erläutert, wie Sie Kosten senken und die Performance Ihrer Anwendungen optimieren können
|