• Bücher
  • KI und ML
  • MLOps
  • Machine Learning Upgrade: Ein Leitfaden zu MLOps, LLMs und ML-Infrastruktur für Data Scientists
Machine Learning Upgrade: Ein Leitfaden zu MLOps, LLMs und ML-Infrastruktur für Data Scientists
A

Machine Learning Upgrade: Ein Leitfaden zu MLOps, LLMs und ML-Infrastruktur für Data Scientists

MLOps
MLOps LLMs ML infrastructure MLflow model monitoring responsible AI production ML
Autor
Kristen Kerehr, Caleb Kaiser
Verlag
Eksmo
Jahr
2026
Sprache
Russisch
79
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Maschinelles Lernen für Anwendungen mit hohem Risiko

Maschinelles Lernen für Anwendungen mit hohem Risiko

Patrick Hall, James Curtis, Parul Pandey

Entwurf von Machine-Learning-Systemen

Entwurf von Machine-Learning-Systemen

Chip Huyen

Maschinelles Lernen mit geringem Programmieraufwand

Maschinelles Lernen mit geringem Programmieraufwand

Gwendolyn Stripling, Michael Abel

Maschinelles Lernen. Von den Grundlagen zu fortgeschrittenen Modellen.

Maschinelles Lernen. Von den Grundlagen zu fortgeschrittenen Modellen.

Simon Prince

Maschinelles Lernen. Systemdesign von der Idee bis zur Umsetzung

Maschinelles Lernen. Systemdesign von der Idee bis zur Umsetzung

Valerij Babuschkin, Arsenij Krawtschenko

Maschinelles Lernen. Entwurfsmuster

Maschinelles Lernen. Entwurfsmuster

Walliappa Lakshmanan, Sarah Robinson, Michael Munn

Maschinelles Lernen. Entwurfsmuster

Maschinelles Lernen. Entwurfsmuster

V. Lakshmanan, S. Robinson, M. Munn.

Entwicklung von Machine-Learning-Pipelines. Automatisierung von Modelllebenszyklen mit TensorFlow

Entwicklung von Machine-Learning-Pipelines. Automatisierung von Modelllebenszyklen mit TensorFlow

Hapke H., Nelson K.

Maschinelles Lernen. Portfolio realer Projekte

Maschinelles Lernen. Portfolio realer Projekte

Alexei Grigorjew

Machine Learning: Taschenhandbuch. Kurzanleitung zu Methoden des strukturierten maschinellen Lernens mit Python

Machine Learning: Taschenhandbuch. Kurzanleitung zu Methoden des strukturierten maschinellen Lernens mit Python

Matt Harrison