MLOps – Kernkonzepte im Überblick
von O'Reilly
MLOps – Kernkonzepte im Überblick
von O'Reilly
inkl. Ust.
35,90 €
Lieferung
Lieferung am Fr. 27.11.2026
Händler*in
BMS
Der*die Händler*in gewährt für dieses Produkt eine Widerrufsfrist von 30 Tagen. Für Details lies bitte die Widerrufsbelehrung und das -formular sowie die jeweiligen Händler-AGB.
Produktdetails
Erfolgreiche ML-Pipelines entwickeln und mit MLOps organisatorische Herausforderungen meistern Stellt DevOps-Konzepte vor, die die speziellen Anforderungen von ML-Anwendungen berücksichtigen Umfasst die Verwaltung, Bereitstellung, Skalierung und Überwachung von Machine-Learning-Modellen im Unternehmensumfeld Für Data Scientists und Data Engineers, die nach besseren Strategien für den produktiven Einsatz ihrer ML-Modelle suchen Machine-Learning-Modelle zu entwickeln ist das eine, sie im Produktivbetrieb effizient einzusetzen, eine ebenfalls nicht zu unterschätzende Herausforderung – so die Erfahrung vieler Unternehmen. Dieses Buch zeigt Ihnen, wie Sie mithilfe durchdachter MLOps-Strategien eine stabile DevOps-Umgebung für Ihre ML-Anwendungen aufbauen, Ihre Modelle kontinuierlich verbessern und langfristig warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen aus der ganzen Welt geben neun ML-Experten praxiserprobte Hilfestellungen zu den fünf Schritten des Modelllebenszyklus – Entwicklung, Preproduction, Deployment, Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktworkflow integriert werden können. Erschließen Sie den Wert Ihrer Data-Science-Anwendungen für Ihr Unternehmen vollständig, indem Sie Störfaktoren in ML-Pipelines und -Workflows ausräumen Verfeinern Sie Ihre ML-Modelle durch Retraining, regelmäßiges Tuning und grundlegende Überarbeitung, um eine dauerhaft hohe Qualität zu gewährleisten Organisieren Sie den MLOps-Lebenszyklus so, dass Risiken, die in den Modellen stecken könnten, minimiert werden, damit die Ergebnisse unverzerrt, ausgewogen und nachvollziehbar sind ...
Infotabelle
Produktspezifikationen
| Autor | Mark Treveil |
| Format | gebundene Ausgabe |
| Sprachfassung | Deutsch |
| Seiten | 204 |
| Erscheinungsdatum | 2021-08-26 |
| Verlag | O'Reilly |
Produktkennung
| Artikelnummer | m0000HOYUK |
| EAN | 9783960091721 |
| GTIN | 09783960091721 |
Zusatzinfo und Downloads
Details zur Produktsicherheit
| Herstellerinformationen |
| Verantwortliche Person für die EU |
| Entsorgungshinweise |
Haltbarkeitsgarantie & Gewährleistung
| Ihr Anspruch auf Gewährleistung |
Produktdetails
Erfolgreiche ML-Pipelines entwickeln und mit MLOps organisatorische Herausforderungen meistern Stellt DevOps-Konzepte vor, die die speziellen Anforderungen von ML-Anwendungen berücksichtigen Umfasst die Verwaltung, Bereitstellung, Skalierung und Überwachung von Machine-Learning-Modellen im Unternehmensumfeld Für Data Scientists und Data Engineers, die nach besseren Strategien für den produktiven Einsatz ihrer ML-Modelle suchen Machine-Learning-Modelle zu entwickeln ist das eine, sie im Produktivbetrieb effizient einzusetzen, eine ebenfalls nicht zu unterschätzende Herausforderung – so die Erfahrung vieler Unternehmen. Dieses Buch zeigt Ihnen, wie Sie mithilfe durchdachter MLOps-Strategien eine stabile DevOps-Umgebung für Ihre ML-Anwendungen aufbauen, Ihre Modelle kontinuierlich verbessern und langfristig warten. Das Buch erläutert MLOps-Schlüsselkonzepte, mit denen Data Scientists und Data Engineers ML-Pipelines und -Workflows optimieren können. Anhand von Fallbeispielen aus der ganzen Welt geben neun ML-Experten praxiserprobte Hilfestellungen zu den fünf Schritten des Modelllebenszyklus – Entwicklung, Preproduction, Deployment, Monitoring und Governance. Sie erfahren auf diese Weise, wie robuste MLOps-Prozesse umfassend in den ML-Produktworkflow integriert werden können. Erschließen Sie den Wert Ihrer Data-Science-Anwendungen für Ihr Unternehmen vollständig, indem Sie Störfaktoren in ML-Pipelines und -Workflows ausräumen Verfeinern Sie Ihre ML-Modelle durch Retraining, regelmäßiges Tuning und grundlegende Überarbeitung, um eine dauerhaft hohe Qualität zu gewährleisten Organisieren Sie den MLOps-Lebenszyklus so, dass Risiken, die in den Modellen stecken könnten, minimiert werden, damit die Ergebnisse unverzerrt, ausgewogen und nachvollziehbar sind ...
Infotabelle
Produktspezifikationen
| Autor | Mark Treveil |
| Format | gebundene Ausgabe |
| Sprachfassung | Deutsch |
| Seiten | 204 |
| Erscheinungsdatum | 2021-08-26 |
| Verlag | O'Reilly |
Produktkennung
| Artikelnummer | m0000HOYUK |
| EAN | 9783960091721 |
| GTIN | 09783960091721 |
Zusatzinfo und Downloads
Details zur Produktsicherheit
| Herstellerinformationen |
| Verantwortliche Person für die EU |
| Entsorgungshinweise |
Haltbarkeitsgarantie & Gewährleistung
| Ihr Anspruch auf Gewährleistung |
Top Produkte der Kategorie
Weitere Kategorien
Bücher, Musik & Filme Bücher Fachbücher Informatik Geschichtswissenschaft Recht Theologie Psychologie Politikwissenschaft Wirtschaft Medienwissenschaft Ethnologie Philosophie Technik Sozialwissenschaft Pädagogik Sprach- & Literaturwissenschaft Mathematik Biowissenschaften Allgemeine Naturwissenschaften Allgemeine Geisteswissenschaften Physik Geowissenschaften Musikwissenschaft Kunstwissenschaft Chemie Medizin











