Machine Learning Production Systems: Entwicklung von Machine-Learning-Modellen und Pipelines
A

Machine Learning Production Systems: Entwicklung von Machine-Learning-Modellen und Pipelines

Maschinelles Lernen
machine learning production systems ML pipelines TensorFlow Transform data validation model deployment monitoring
Autor
Robert Crowe, Hannes Hapke, Emily Caveness, Di Zhu
Verlag
O'Reilly Media
Jahr
2025
Sprache
Englisch
48
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Erstellung von Machine-Learning-Pipelines: Automatisierung von Modelllebenszyklen mit TensorFlow

Erstellung von Machine-Learning-Pipelines: Automatisierung von Modelllebenszyklen mit TensorFlow

Hannes Hapke, Catherine Nelson

Machine Learning und Data Science Blaupausen für Finanzen: Vom Aufbau von Handelsstrategien bis zu Robo-Advisors mit Python

Machine Learning und Data Science Blaupausen für Finanzen: Vom Aufbau von Handelsstrategien bis zu Robo-Advisors mit Python

Hariom Tatsat, Sahil Puri, Brad Lookabaugh

Einführung in maschinelles Lernen mit Python: Ein Leitfaden für Datenwissenschaftler

Einführung in maschinelles Lernen mit Python: Ein Leitfaden für Datenwissenschaftler

Andreas C. Müller and Sarah Guido

Skalierung von Python mit Dask: Von Data Science bis Machine Learning

Skalierung von Python mit Dask: Von Data Science bis Machine Learning

Holden Karau, Mika Kimmins

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

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

Pavan Kumar Narayanan

Neuronale Netze mit TensorFlow und Keras: Training, Generative Modelle und Reinforcement Learning

Neuronale Netze mit TensorFlow und Keras: Training, Generative Modelle und Reinforcement Learning

Philip Hua

AutoML lernen: Automatisierung von ML-Pipelines mit AutoGluon, führenden Frameworks und Integration in der Praxis

AutoML lernen: Automatisierung von ML-Pipelines mit AutoGluon, führenden Frameworks und Integration in der Praxis

Kerem Tomak

KI und ML für Programmierer in PyTorch: Ein Programmierleitfaden zu generativer KI und maschinellem Lernen

KI und ML für Programmierer in PyTorch: Ein Programmierleitfaden zu generativer KI und maschinellem Lernen

Laurence Moroney

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

Data Contracts: Entwicklung von Produktionsreifen Pipelines im großen Maßstab

Data Contracts: Entwicklung von Produktionsreifen Pipelines im großen Maßstab

Chad Sanderson, Mark Freeman, B.E. Schmidt