
Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and MLOps
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage
Kurzinformation



inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and MLOps" von Michael Munn bietet eine umfassende Sammlung von bewährten Entwurfsmustern für den Bereich des maschinellen Lernens. Das Buch richtet sich an Datenwissenschaftler und Ingenieure, die häufig mit wiederkehrenden Problemen in der Datenvorbereitung, dem Modellaufbau und der Implementierung von MLOps konfrontiert sind. Es behandelt verschiedene Designmuster, die helfen, typische Herausforderungen zu bewältigen. Dazu gehören Strategien zur effizienten Handhabung und Transformation von Daten, Techniken zur Verbesserung der Modellgenauigkeit und Methoden zur Optimierung des Workflows beim Einsatz von ML-Modellen in Produktionsumgebungen. Jedes Muster wird detailliert erklärt und durch praktische Beispiele veranschaulicht. Das Buch ist eine wertvolle Ressource für Fachleute im Bereich Machine Learning, die ihre Projekte optimieren möchten und nach strukturierten Ansätzen suchen, um komplexe Probleme effizient zu lösen.
Produktdetails

So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Hardcover
- 256 Seiten
- Erschienen 2022
- Wiley & Sons
- Kartoniert
- 235 Seiten
- Erschienen 2021
- dpunkt.verlag GmbH
- Gebunden
- 738 Seiten
- Erschienen 2011
- Springer
- Hardcover
- 256 Seiten
- Erschienen 2023
- Wiley & Sons
- Gebunden
- 334 Seiten
- Erschienen 2007
- Springer
- Kartoniert
- 768 Seiten
- Erschienen 2021
- mitp
- perfect
- 304 Seiten
- Erschienen 2007
- mitp
- Kartoniert
- 362 Seiten
- Erschienen 2017
- O'Reilly
- Hardcover
- 272 Seiten
- Erschienen 2022
- Wiley-IEEE Press
- Taschenbuch
- 218 Seiten
- Erschienen 2012
- Morgan & Claypool Publishers
- Hardcover
- 624 Seiten
- Erschienen 2007
- Springer
- paperback
- 459 Seiten
- Erschienen 2022
- O'Reilly Media