dpunkt Computing MLOps – Kernkonzepte im Überblick Buch
4.1 (10)
27,90 €13,95 €
Das dpunkt Computing Buch MLOps – Kernkonzepte im Überblick erklärt als Fachbuch und Ratgeber für Machine Learning, wie ML-Pipelines im Unternehmen funktionieren. Data Scientists und Data Engineers lernen Deployment, Monitoring, Retraining und Governance für ML-Modelle in der Preproduction und im Produktivbetrieb.
Auf Lager
-
1
+
Erhalte es in 3–5 Werktagen.
9 Personen sehen sich diesen Artikel gerade an.Heute wurden 32 Stück verkauft.Nur noch 10 Stück auf Lager.
dpunkt Computing MLOps Buch für ML-Pipelines und Deployment
Dieses Buch von dpunkt aus der Reihe Computing stellt MLOps-Kernkonzepte im Überblick vor. Neun ML-Experten erklären anhand von Fallbeispielen aus aller Welt die fünf Schritte des Modelllebenszyklus von der Entwicklung über Preproduction und Deployment bis zu Monitoring und Governance. Data Scientists und Data Engineers erfahren, wie sie ML-Pipelines und Workflows optimieren und Störfaktoren im ML-Produktworkflow ausräumen.
MLOps Überblick zu Machine Learning, DevOps und Data Science
Als Fachbuch verbindet der Titel DevOps-Konzepte mit den besonderen Anforderungen von Machine-Learning-Anwendungen. Es geht um Verwaltung, Bereitstellung, Skalierung und Überwachung von ML-Modellen im Unternehmensumfeld. Wer Data Science in die Produktion bringen will, findet praxiserprobte Hilfestellungen für Retraining, kontinuierliche Verbesserung und langfristige Wartung der Modelle.
dpunkt Ratgeber und Handbuch für Monitoring und Governance
Dieser Ratgeber richtet sich an Data Scientists, die robuste MLOps-Prozesse in ihren Alltag integrieren möchten. Als Handbuch zeigt er, wie sich der Wert von Data-Science-Anwendungen vollständig erschließen lässt. Monitoring und Governance werden verständlich erklärt, ohne dass Programmcode im Vordergrund steht.
Merkmale
MLOps-Schlüsselkonzepte für ML-Pipelines und Workflows
Deployment, Monitoring und Governance im Modelllebenszyklus
DevOps-Umgebung für Machine-Learning-Anwendungen aufbauen
Für Data Scientists und Data Engineers im Unternehmen
Reihe: Computing
Thema: Machine Learning, MLOps, DevOps, Data Science
