Engineering MLOps: Rapidly build, test, and manage production-ready machine learning life cycles at scale
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Engineering MLOps: Rapidly Build, Test, and Manage Production-Ready Machine Learning Life Cycles at Scale" von Emmanuel Raj ist ein umfassender Leitfaden für die Implementierung von MLOps (Machine Learning Operations) in Unternehmen. Das Buch bietet einen detaillierten Überblick über die Best Practices und Werkzeuge, die erforderlich sind, um maschinelles Lernen effizient in Produktionsumgebungen zu integrieren. Es behandelt Themen wie die Automatisierung von ML-Pipelines, Continuous Integration und Deployment (CI/CD) für ML-Modelle sowie das Monitoring und Management von Modellen im Einsatz. Darüber hinaus werden Skalierungsstrategien und der Umgang mit Herausforderungen in großen Datenumgebungen diskutiert. Ziel des Buches ist es, Praktikern dabei zu helfen, robuste und skalierbare ML-Systeme zu entwickeln und zu betreiben.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Kartoniert
- 292 Seiten
- Erschienen 2020
- O'Reilly
- Broschiert
- 424 Seiten
- Erschienen 2016
- mitp
- Kartoniert
- 247 Seiten
- Erschienen 2020
- O'Reilly
- Gebunden
- 176 Seiten
- Erschienen 2021
- Deutscher Management Verlag
- Kartoniert
- 434 Seiten
- Erschienen 2013
- Springer
- Gebunden
- 206 Seiten
- Erschienen 2018
- Springer
- Gebunden
- 275 Seiten
- Erschienen 2005
- Wiley-VCH
- Kartoniert
- 310 Seiten
- Erschienen 2018
- O'Reilly Media
- Hardcover -
- Erschienen 2017
- Springer



