Infrastruktur für maschinelles Lernen und Best Practices für Softwareentwickler

Machine Learning Platform Engineering: Bau einer internen Entwicklerplattform für ML- und KI-Systeme

Benjamin Tan Wei Hao, Shanoop Padmanabhan, Varun Mallya

Maschinelles Lernen für Ingenieure: Prinzipien und Algorithmen durch Signalverarbeitung und Informationstheorie

Osvaldo Simeone

Praktisches maschinelles Lernen auf Databricks

Debu Sinha

MLOps mit Ray: Best Practices und Strategien für die Einführung von Machine Learning Operations

Hien Luu, Max Pumperla, Zhe Zhang

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

Marco Scutari, Mauro Malvestio

Data Engineering für Machine-Learning-Pipelines: Von Python-Bibliotheken zu ML-Pipelines und Cloud-Plattformen

Pavan Kumar Narayanan

Architektur von Daten- und Machine-Learning-Plattformen: Ermöglichen Sie Analytics und KI-gesteuerte Innovation in der Cloud

Marco Tranquillin, Valliappa Lakshmanan, Firat Tekiner

Maschinelles Lernen für Hochrisiko-Anwendungen: Ansätze für verantwortungsvolle KI

Patrick Hall, James Curtis, Parul Pandey

Maschinelles Lernen in der Praxis: Von der Idee zum Produkt

Emmanuel Ameisen

Mueller J. P., Massaron L. - Maschinelles Lernen für Dummies, 2. Auflage - 2021