• Bücher
  • KI und ML
  • MLOps
  • Machine-Learning-Modelle in Produktion bringen: Mit Flask, Streamlit, Docker und Kubernetes auf der Google Cloud Platform
Machine-Learning-Modelle in Produktion bringen: Mit Flask, Streamlit, Docker und Kubernetes auf der Google Cloud Platform
A

Machine-Learning-Modelle in Produktion bringen: Mit Flask, Streamlit, Docker und Kubernetes auf der Google Cloud Platform

MLOps
machine learning MLOps Flask Docker Kubernetes Google Cloud Platform deployment
Autor
Pramod Singh
Verlag
Apress
Jahr
2021
Sprache
Englisch
39
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

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

TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

Pramod Singh, Avinash Manure

Maschinelle Lernalgorithmen mit Scikit- und TensorFlow-Umgebungen

Maschinelle Lernalgorithmen mit Scikit- und TensorFlow-Umgebungen

Puvvadi Baby Maruthi, Smrity Prasad, Amit Kumar Tyagi

Praktisches maschinelles Lernen auf Databricks

Praktisches maschinelles Lernen auf Databricks

Debu Sinha

Serverless Machine Learning mit Amazon Redshift ML: Erstellen, Trainieren und Bereitstellen von Machine-Learning-Modellen mit vertrauten SQL-Befehlen

Serverless Machine Learning mit Amazon Redshift ML: Erstellen, Trainieren und Bereitstellen von Machine-Learning-Modellen mit vertrauten SQL-Befehlen

Debu Panda, Phil Bates, Bhanu Pittampally, Sumeet Joshi

Angewandtes Maschinelles Lernen und Hochleistungsrechnen auf AWS

Angewandtes Maschinelles Lernen und Hochleistungsrechnen auf AWS

Mani Khanuja, Farooq Sabir, Shreyas Subramanian, Trenton Potgieter

Generative KI auf Kubernetes: Operationalisierung von Large Language Models

Generative KI auf Kubernetes: Operationalisierung von Large Language Models

Roland Huß, Daniele Zonca

Maschinelles Lernen für Netzwerkverkehr und Videoqualitätsanalyse: Anwendungen mit JavaScript und Node.js entwickeln und bereitstellen

Maschinelles Lernen für Netzwerkverkehr und Videoqualitätsanalyse: Anwendungen mit JavaScript und Node.js entwickeln und bereitstellen

Tulsi Pawan Fowdur, Lavesh Babooram

Skalierung von Unternehmenslösungen mit Large Language Models: Umfassende End-to-End Generative AI-Lösungen für Produktionsreife Unternehmenslösungen

Skalierung von Unternehmenslösungen mit Large Language Models: Umfassende End-to-End Generative AI-Lösungen für Produktionsreife Unternehmenslösungen

Arindam Ganguly

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