Machine Learning Engineering on AWS: Build, scale, and secure machine learning systems and MLOps pipelines in production
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Machine Learning Engineering on AWS" von Joshua Arvin Lat bietet eine umfassende Einführung in die Entwicklung, Skalierung und Sicherung von Machine-Learning-Systemen auf der Amazon Web Services (AWS) Plattform. Das Buch richtet sich an Ingenieure und Data Scientists, die ML-Modelle in Produktionsumgebungen einsetzen möchten. Es behandelt Themen wie den Aufbau robuster MLOps-Pipelines, die Automatisierung von Workflows sowie Best Practices für die Sicherheit und Skalierbarkeit von ML-Anwendungen. Der Autor erklärt detailliert den Einsatz verschiedener AWS-Dienste und -Tools zur Optimierung des gesamten Lebenszyklus von Machine-Learning-Projekten, vom Prototyping bis zur Implementierung im großen Maßstab.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
			
                                    
            
        
    
        - paperback
 - 459 Seiten
 - Erschienen 2022
 - O'Reilly Media
 
			
                                    
            
        
    
        - Broschiert
 - 424 Seiten
 - Erschienen 2016
 - mitp
 
			
                                    
            
        
    
        - Kartoniert
 - 179 Seiten
 - Erschienen 2018
 - Springer
 
			
                                    
            
        
    
        - Gebunden
 - 206 Seiten
 - Erschienen 2018
 - Springer
 
			
                                    
            
        
    
        - Kartoniert
 - 358 Seiten
 - Erschienen 2020
 - O'Reilly
 
			
                                    
            
        
    
        - Kartoniert
 - 362 Seiten
 - Erschienen 2017
 - O'Reilly
 
			
                                    
            
        
    
        - Kartoniert
 - 292 Seiten
 - Erschienen 2020
 - O'Reilly
 
			
                                    
            
        
    
        - Kartoniert
 - 247 Seiten
 - Erschienen 2020
 - O'Reilly
 
			
                                    
            
        
    
        - Kartoniert
 - 310 Seiten
 - Erschienen 2018
 - O'Reilly Media
 
			
                                    
            
        
    
        - Kartoniert
 - 514 Seiten
 - Erschienen 2002
 - Springer
 



