Trainingsdaten für maschinelles Lernen: Menschliche Aufsicht von Annotation bis Data Science
A

Trainingsdaten für maschinelles Lernen: Menschliche Aufsicht von Annotation bis Data Science

Data Science
machine learning training data data annotation human supervision data science AI models case studies
Autor
Anthony Sarkis
Verlag
O'Reilly Media, Inc.
Jahr
2023
Sprache
Englisch
36
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Methoden des maschinellen Lernens

Methoden des maschinellen Lernens

Hang Li

Machine Learning vereinfacht: Eine sanfte Einführung in Supervised Learning

Machine Learning vereinfacht: Eine sanfte Einführung in Supervised Learning

Andrew Wolf

Aktives Maschinelles Lernen mit Python: Datenqualität über Quantität mit aktivem Lernen verfeinern und steigern

Aktives Maschinelles Lernen mit Python: Datenqualität über Quantität mit aktivem Lernen verfeinern und steigern

Margaux Masson-Forsythe

Machine Learning in der Produktion: Meistern Sie die Kunst der Bereitstellung robuster Machine-Learning-Lösungen mit MLOps

Machine Learning in der Produktion: Meistern Sie die Kunst der Bereitstellung robuster Machine-Learning-Lösungen mit MLOps

Suhas Pote

Angewandtes Maschinelles Lernen und KI für Ingenieure

Angewandtes Maschinelles Lernen und KI für Ingenieure

Jeff Prosise

Maschinelles Lernen, animiert

Maschinelles Lernen, animiert

Mark Liu

Lernen von Pandas 2.0: Ein umfassender Leitfaden zur Datenmanipulation und -analyse für Data Scientists und Machine-Learning-Experten

Lernen von Pandas 2.0: Ein umfassender Leitfaden zur Datenmanipulation und -analyse für Data Scientists und Machine-Learning-Experten

Matthew Rosch

Der Pragmatische Programmlerner für Maschinelles Lernen: Engineering-Analysen und Data-Science-Lösungen

Der Pragmatische Programmlerner für Maschinelles Lernen: Engineering-Analysen und Data-Science-Lösungen

Marco Scutari, Mauro Malvestio

Maschinelles Lernen für kausale Inferenz

Maschinelles Lernen für kausale Inferenz

Sheng Li, Zhixuan Chu (Editors)

Praktisches Maschinenlernen mit C++: End-to-End-Machine-Learning- und Deep-Learning-Pipelines erstellen, trainieren und bereitstellen

Praktisches Maschinenlernen mit C++: End-to-End-Machine-Learning- und Deep-Learning-Pipelines erstellen, trainieren und bereitstellen

Kirill Kolodiazhnyi